| .. |
|
unsloth_compiled_cache
|
ca5fe63b52
完善README.MD说明
|
9 kuukautta sitten |
|
__init__.py
|
7270ddb56d
Initialize commit
|
10 kuukautta sitten |
|
check_pytorch_cuda.py
|
7270ddb56d
Initialize commit
|
10 kuukautta sitten |
|
fine_tune_model.py
|
7270ddb56d
Initialize commit
|
10 kuukautta sitten |
|
generate_data.py
|
97fe68c387
更换unsloth grpo的训练数据集并验证
|
9 kuukautta sitten |
|
inference.py
|
d3713ffe46
验证GRPO 训练的模型推理
|
9 kuukautta sitten |
|
main.obj
|
7270ddb56d
Initialize commit
|
10 kuukautta sitten |
|
model_downloader.py
|
c5fc011955
完善代码及说明
|
10 kuukautta sitten |
|
quantize_model.py
|
c5fc011955
完善代码及说明
|
10 kuukautta sitten |
|
train_model_grpo.py
|
75edbd5bb9
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
|
9 kuukautta sitten |
|
train_model_grpo_v2.py
|
a0c6a060cf
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
|
9 kuukautta sitten |
|
train_model_sft.py
|
7982caa3ba
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
|
9 kuukautta sitten |
zhouyang.xie
75edbd5bb9
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