可后台滴滴小英熊学长欧~
01 项目简介
（1）项目背景
医疗文档中包含大量的诊疗信息，例如疾病诊断、手术名称、解剖部位、药物使用以及影像和实验室检查结果。这些信息是医疗数据分析的核心，但由于医疗文本内容复杂、格式多样，提取这些关键内容具有一定挑战。为此，本项目基于 Qwen-7B大语言模型，通过QLoRA微调，使其从医疗文档中识别并提取这些信息。
（2）数据集介绍
本项目在Yidu-S4K数据集上进行指令微调任务，该数据共计包含1000条中文电子病历医疗实体识别数据。数据集地址如下：
https://tianchi.aliyun.com/dataset/144419
每条数据集如上图所示，因此需要先将其处理为qwen大模型要求的输入格式，本项目的处理结果如下：
（3）Qwen大模型介绍
Qwen是通义千问团队的开源大语言模型，由阿里云通义实验室研发。该系列模型包括5个尺寸的预训练和指令微调模型：Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B以及Qwen2-72B。对比当前最优的开源模型，Qwen2-72B在包括自然语言理解、知识、代码、数学及多语言等多项能力上均显著超越当前领先的Llama3-70B等大模型。
02 模型训练
| 名称 | 参数 |
| 操作系统 | Windows10 |
| GPU | 12GB+8GB |
| Python | 3.9 |
| torch | 1.13.1+cu116 |
| transformers | 4.47.0 |
LoRA：是一种低秩微调方法，用于在大模型中插入低秩矩阵，冻结原始模型参数，只微调插入的权重部分，显著减少了训练参数。
QLoRA (Quantized LoRA)：是在 LoRA 的基础上，引入了 4-bit量化技术。QLoRA 在不影响模型性能的前提下，将模型参数压缩为 4-bit 格式，并结合 LoRA 微调技术，进一步减少显存占用和计算资源消耗。显存占用如图所示。
from transformers import BitsAndBytesConfignf4_config = BitsAndBytesConfig(load_in_4bit=True,bnb_4bit_quant_type="nf4",bnb_4bit_use_double_quant=True,bnb_4bit_compute_dtype=torch.bfloat16)
config = LoraConfig(task_type=TaskType.CAUSAL_LM,target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],inference_mode=False, # 训练模式r=8, # Lora 秩lora_alpha=32, # Lora alaph，具体作用参见 Lora 原理lora_dropout=0.1, # Dropout 比例)
03 界面演示
你将会的到：本项目所有代码、处理好的数据集、训练好的权重、设计好的聊天 交互界面。
