修改train_model_grpo.py文件-开启vLLM 观察能否解决损失率值0并且无变化问题

src/train_model_grpo_v2.py

@@ -123,7 +123,7 @@ class ModelTrainer:
             dtype=self.dtype,
             fast_inference = True, # Enable vLLM fast inference
             max_lora_rank = lora_rank,
-            gpu_memory_utilization=0.6, # 0.6 # Reduce if out of memory
+            gpu_memory_utilization=0.08, # 0.6 # Reduce if out of memory
         )
 
         # 将模型移动到设备上
@@ -233,7 +233,7 @@ if __name__ == "__main__":
     max_seq_length = 512  # 单次会话（single session） 的最大 token 长度，一个token大约3-4 字节（Byte）
     dtype = torch.float16  # 数据类型
     load_in_4bit = True  # 是否以4位精度加载模型
-    lora_rank=64
+    lora_rank=16 
 
     # 定义训练集和测试集路径
     train_data_path = os.path.join('..', 'data', 'processed', 'train.jsonl')