修改了llama_factory_example/README.md

finetune/llama_factory_example/README.md

@@ -1,6 +1,7 @@
 # MiniCPM_llama_factory 微调
 MiniCPM已经支持llama_factory微调，llama_factory支持continue_pretrain,sft,ppo,dpo,kto,orpo等等微调方式。
 由于llama_factory功能强大，但初学者较难上手，我们录制了微调教程
+
 **我们提供了 llama_factory_example文件夹，用来微调minicpm1b，minicpm2b模型。**
 1.首先安装llama_factory依赖。
 ```bash
@@ -9,6 +10,7 @@ cd LLaMA-Factory
 pip install -r requirements.txt
 ```
 2.将数据集处理成Minicpm/finetune/llama_factory_example/llama_factory_data文件夹中的格式,示例包括dpo,kto,sft三种微调方式并放置到llama_factory/data目录下.
+
 3.在llama_factory/data/dataset_info.json中添加数据集信息,保证dataset_info.json中能找到你的数据集，如下例：
 ``` json
   {"identity": {
@@ -44,8 +46,9 @@ pip install -r requirements.txt
   }
 ```
 4.将MiniCPM/finetune/llama_factory_example中文件复制到LLaMA-Factory/examples目录下。
+
 5.以dpo为例，首先修改minicpm_dpo.yaml,需要修改的：
-```bash
+```yaml
   model_name_or_path: openbmb/MiniCPM-2B-sft-bf16 #或者你本地保存的地址
   dataset: dpo_en_demo #这里写dataset_info.json中的键名
   output_dir: your/finetune_minicpm/save/path
@@ -53,16 +56,17 @@ pip install -r requirements.txt
   deepspeed: examples/deepspeed/ds_z2_config.json #如果显存不够可以改成ds_z3_config.json
 ```
 6.修改single_node.sh文件中：
-  1.如果是a100以及更高端服务器，删除以下两行
+
+  - 1.如果是a100以及更高端服务器，删除以下两行
   ```bash
     export NCCL_P2P_DISABLE=1
     export NCCL_IB_DISABLE=1 
   ```
-  2.设置你希望参与微调的卡，以下示例为第1张到第8张卡都参与微调
+  - 2.设置你希望参与微调的卡，以下示例为第1张到第8张卡都参与微调
   ```bash
     CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
   ```
-  3.将以下代码src/train.py空格后方参数改为llama_facoty中minicpm_dpo.yaml的绝对路径
+  - 3.将以下代码src/train.py空格后方参数改为llama_facoty中minicpm_dpo.yaml的绝对路径
   ```bash
     src/train.py /root/ld/ld_project/LLaMA-Factory/examples/minicpm/minicpm_sft.yaml
   ```