文档首页/ AI开发平台ModelArts/ 最佳实践/ LLM大语言模型训练推理/ 主流开源大模型基于DevServer适配LlamaFactory PyTorch NPU训练指导（6.3.907）/ 准备工作/ 准备数据（可选）
更新时间：2024-08-17 GMT+08:00
查看PDF
分享

准备数据（可选）

此小节为自定义数据集执行过程，如非自定义数据集此小节忽略。

本教程使用到的是LLamaFactory代码包自带数据集。您也可以自行准备数据集，目前指令微调数据集我们支持alpaca格式和sharegpt格式的数据集；使用自定义数据集时，请更新代码目录下data/dataset_info.json文件；请务必在dataset_info.json文件中添加数据集描述。

关于数据集文件的格式及配置，请参考data/README_zh.md的内容。可以使用HuggingFace/ModelScope上的数据集或加载本地数据集。

上传自定义数据到指定目录

将下载的原始数据存放在{work_dir}/llm_train/LLaMAFactory/LLaMA-Factory/data目录下。具体步骤如下：

  1. 进入到/home/ma-user/ws/llm_train/LLaMAFactory/LLaMA-Factory/data目录下。
    cd  /home/ma-user/ws/llm_train/LLaMAFactory/LLaMA-Factory/data
  2. 将自定义原始数据如demo.json放置在此处。

    数据存放参考目录结构如下：

    ${workdir}（例如/home/ma-user/ws/llm_train ）
  |── LLaMAFactory/data
       |── alpaca_en_demo.json                   # 代码原有数据集
       |── identity.json                         # 代码原有数据集
       ...
       |── demo.json                             # 自定义数据集
  3. 更新代码目录下 data/dataset_info.json 文件。关于数据集文件的格式及配置，请参考 data/README_zh.md 的内容。
    vim dataset_info.json
父主题： 准备工作

相关文档