登录浦语开发平台studio.intern-ai.org.cn，登录账号后，点击“创建开发机”。（也可以使用自己的机器实践）
选择以下设置：
- 开发机名称：你自己喜欢的名字
- 镜像：Cuda12.2-conda
- 资源配置：50% A100 * 1
- 其余默认
点击“立即创建”，成功后，可在“开发机”选栏中看到刚刚创建的开发机，可以点击“进入开发机”，利用terminal、code server进行开发。也可以使用本地的vscode通过“SSH链接”中的信息通过SSH链接进行开发。（强烈建议使用本地的vscode进行连接，前者可能有显示bug）
后续在命令行中的操作可在进入开发机的terminal或者vscode的terminal界面中进行。代码的修改在vscode中进行。
本地vscode连接服务器需要下载扩展：
然后根据SSH连接的信息，填写ssh连接配置文件。
上方马赛克处的数字，即为下面port处要填写的端口号。
连接后，操作系统选择"linux"，密码输入SSH连接界面给的密码即可。
新建虚拟环境并进入:
conda create --name xtuner-env python=3.10 -y
conda activate xtuner-env"xtuner-env"为训练环境名，可以根据个人喜好设置，在本教程中后续提到训练环境均指"xtuner-env"环境。
安装与deepspeed集成的xtuner和相关包：
pip install -U 'xtuner[deepspeed]' timm==1.0.9
pip install torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 --index-url https://download.pytorch.org/whl/cu121
pip install transformers==4.39.0训练环境既为安装成功。
配置推理所需环境：
conda create -n lmdeploy python=3.10 -y
conda activate lmdeploy
pip install lmdeploy gradio==4.44.1 timm==1.0.9"lmdeploy"为推理使用环境名。
我们主要通过pipeline.chat 接口来构造多轮对话管线，核心代码为：
## 1.导入相关依赖包
from lmdeploy import pipeline, TurbomindEngineConfig, GenerationConfig
from lmdeploy.vl import load_image
## 2.使用你的模型初始化推理管线
model_path = "your_model_path"
pipe = pipeline(model_path,
backend_config=TurbomindEngineConfig(session_len=8192))
## 3.读取图片（此处使用PIL读取也行）
image = load_image('your_image_path')
## 4.配置推理参数
gen_config = GenerationConfig(top_p=0.8, temperature=0.8)
## 5.利用 pipeline.chat 接口 进行对话，需传入生成参数
sess = pipe.chat(('describe this image', image), gen_config=gen_config)
print(sess.response.text)
## 6.之后的对话轮次需要传入之前的session，以告知模型历史上下文
sess = pipe.chat('What is the woman doing?', session=sess, gen_config=gen_config)
print(sess.response.text)lmdeploy推理的核心代码如上注释所述。
我们可以使用UI界面先体验与InternVL对话：
拉取本教程的github仓库https://github.com/Control-derek/InternVL2-Tutorial.git：
git clone https://github.com/Control-derek/InternVL2-Tutorial.git
cd InternVL2-Tutorialdemo.py文件中，MODEL_PATH处传入InternVL2-2B的路径，如果使用的是InternStudio的开发机则无需修改，否则改为模型路径。
启动demo:
conda activate lmdeploy
python demo.py上述命令请在vscode下运行，因为vscode自带端口转发，可以把部署在服务器上的网页服务转发到本地。
启动后，CTRL+鼠标左键点进这个链接或者复制链接到浏览器
会看到如下界面：
点击Start Chat即可开始聊天，下方食物快捷栏可以快速输入图片，输入示例可以快速输入文字。输入完毕后，按enter键即可发送。
如果输入多张图，或者开多轮对话时报错：
可以参考github的issueInternLM/lmdeploy#2101：
屏蔽报错的engine.py的126，127行，添加self._create_event_loop_task()后，即可解决上面报错。
在InternStudio开发机的/root/xtuner路径下，即为开机自带的xtuner，先进入工作目录并激活训练环境：
cd root/xtuner
conda activate xtuner-env # 或者是你自命名的训练环境原始internvl的微调配置文件在路径./xtuner/configs/internvl/v2下，假设上面克隆的仓库在/root/InternVL2-Tutorial,复制配置文件到目标目录下：
cp /root/InternVL2-Tutorial/xtuner_config/internvl_v2_internlm2_2b_lora_finetune_food.py /root/xtuner/xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py在第一部分的设置中，有如下参数：
path: 需要微调的模型路径，在InternStudio环境下，无需修改。data_root: 数据集所在路径。data_path: 训练数据文件路径。image_folder: 训练图像根路径。prompt_temple: 配置模型训练时使用的聊天模板、系统提示等。使用与模型对应的即可，此处无需修改。max_length: 训练数据每一条最大token数。batch_size: 训练批次大小，可以根据显存大小调整。accumulative_counts: 梯度累积的步数，用于模拟较大的batch_size，在显存有限的情况下，提高训练稳定性。dataloader_num_workers: 指定数据集加载时子进程的个数。max_epochs:训练轮次。optim_type:优化器类型。lr: 学习率betas: Adam优化器的beta1, beta2weight_decay: 权重衰减，防止训练过拟合用max_norm: 梯度裁剪时的梯度最大值warmup_ratio: 预热比例，前多少的数据训练时，学习率将会逐步增加。save_steps: 多少步存一次checkpointsave_total_limit: 最多保存几个checkpoint，设为-1即无限制
LoRA相关参数：
r: 低秩矩阵的秩，决定了低秩矩阵的维度。lora_alpha缩放因子，用于调整低秩矩阵的权重。lora_dropoutdropout 概率，以防止过拟合。
如果想断点重训，可以在最下面传入参数：
把这里的load_from传入你想要载入的checkpoint，并设置resume=True即可断点重续。
我们采用的是FoodieQA数据集，这篇文章中了2024EMNLP的主会，其引用信息如下：
@article{li2024foodieqa,
title={FoodieQA: A Multimodal Dataset for Fine-Grained Understanding of Chinese Food Culture},
author={Li, Wenyan and Zhang, Xinyu and Li, Jiaang and Peng, Qiwei and Tang, Raphael and Zhou, Li and Zhang, Weijia and Hu, Guimin and Yuan, Yifei and S{\o}gaard, Anders and others},
journal={arXiv preprint arXiv:2406.11030},
year={2024}
}
FoodieQA 是一个专门为研究中国各地美食文化而设计的数据集。它包含了大量关于食物的图片和问题，帮助多模态大模型更好地理解不同地区的饮食习惯和文化特色。这个数据集的推出，让我们能够更深入地探索和理解食物背后的文化意义。
可以通过3.2.a.和3.2.b.两种方式获取数据集，根据获取方式的不同，可能需要修改配置文件中的data_root变量为你数据集的路径：
有能力的同学，建议去huggingface下载此数据集：https://huggingface.co/datasets/lyan62/FoodieQA。该数据集为了防止网络爬虫污染测评效果，需要向提交申请后下载使用。
由于申请的与huggingface账号绑定，需要在命令行登录huggingface后直接在服务器上下载：
huggingface-cli login然后在这里输入huggingface的具有read权限的token即可成功登录。
再使用命令行下载数据集：
huggingface-cli download --repo-type dataset --resume-download lyan62/FoodieQA --local-dir /root/huggingface/FoodieQA --local-dir-use-symlinks False如果觉得上述过程麻烦，可以用浏览器下载后，再上传服务器即可😊
由于原始数据集格式不符合微调需要格式，需要处理方可使用，在InternVL2-Tutorial下，运行：
python process_food.py即可把数据处理为XTuner所需格式。注意查看input_path和output_path变量与自己下载路径的区别。
由于该数据集即需要登录huggingface的方法，又需要申请，下完还需要自己处理，因此我把处理后的文件放在开发机的/root/share/datasets/FoodieQA路径下了。
运行命令，开始微调：
xtuner train internvl_v2_internlm2_2b_lora_finetune_food --deepspeed deepspeed_zero2看到有日志输出，即为启动成功：
如果报错如：keyerror或者Filenotfound之类的，可能是XTuner没识别到新写的配置文件，需要指定配置文件的完整路径：
xtuner train /root/xtuner/xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py --deepspeed deepspeed_zero2把/root/xtuner/xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py换成自己配置文件的路径即可。
微调后，把模型checkpoint的格式转化为便于测试的格式：
python xtuner/configs/internvl/v1_5/convert_to_official.py xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py ./work_dirs/internvl_v2_internlm2_2b_lora_finetune_food/iter_640.pth ./work_dirs/internvl_v2_internlm2_2b_lora_finetune_food/lr35_ep10/如果修改了超参数，iter_xxx.pth需要修改为对应的想要转的checkpoint。 ./work_dirs/internvl_v2_internlm2_2b_lora_finetune_food/lr35_ep10/为转换后的模型checkpoint保存的路径。
修改MODEL_PATH为刚刚转换后保存的模型路径：
就像在第2节中做的那样，启动网页应用：
cd /root/InternVL2-Tutorial
conda activate lmdeploy
python demo.py部分case展示：
微调前，把肠粉错认成饺子，微调后，正确识别：
微调前，不认识“锅包又”，微调后，可以正确识别：
