微调示例 - 智增增API

如果是python，注意openai包的版本要对，它升级了！！

要注意，关键是base_url要设置成智增增的，如果这个不正确，其它肯定都不行。

所以一定要注意他在不同的包中base_url的设置方式，

目前已知的是：在老版本中的设置方式是：openai.api_base = BASE_URL，

而在新版本中的设置方式是：client = OpenAI(api_key=API_SECRET_KEY, base_url=BASE_URL)，

别问为什么，问就是openai的锅

准备训练数据

API_SECRET_KEY = "你的智增增获取的api_key";
BASE_URL = "https://api.zhizengzeng.com/v1"; #智增增的base_url

# files
def files():
    openai.api_key = API_SECRET_KEY
    openai.api_base = BASE_URL
    resp = openai.File.create(
        file=open("mydata.jsonl", "rb"),
        purpose='fine-tune'
    )
    print(resp)

上传训练数据

API_SECRET_KEY = "你的智增增获取的api_key";
BASE_URL = "https://api.zhizengzeng.com/v1"; #智增增的base_url

# jobs
def jobs(file_id):
    openai.api_key = API_SECRET_KEY
    openai.api_base = BASE_URL
    resp = openai.FineTuningJob.create(training_file=file_id, model="gpt-3.5-turbo")   #训练文件的id要从上一步获取得到
    print(resp)

检查是否训练完成

要注意的是：

上一步提交完训练任务之后，模型是需要一段时间来训练的，训练的时长取决于你的数据量大小、当下训练的任务数、openai的算力是否充足等等。

API_SECRET_KEY = "你的智增增获取的api_key";
BASE_URL = "https://api.zhizengzeng.com/v1"; #智增增的base_url

# retrieve
def retrieve(ftid):
    openai.api_key = API_SECRET_KEY
    openai.api_base = BASE_URL
    resp = openai.FineTuningJob.retrieve(ftid)    #微调任务id要从上一步获取得到
    print(resp)

使用微调模型

API_SECRET_KEY = "你的智增增获取的api_key";
BASE_URL = "https://api.zhizengzeng.com/v1"; #智增增的base_url

# chat
def chat_completions(query):
    openai.api_key = API_SECRET_KEY
    openai.api_base = BASE_URL
    resp = openai.ChatCompletion.create(
        model="ft:gpt-3.5-turbo-0613xxxxxxxxxxxxxxxxxxx",   # 模型名字要从上一步获取得到
        messages=[
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": query}
        ]
    )
    print(resp)

恭喜，大功告成！！

你就在gpt-3.5基础上训练了一个自己的模型了