roman/obsidian
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Загрузить файлы в «/»

Browse Source
This commit is contained in:
roman
2026-09-24 13:22:17 +05:00
parent 09c5bcb2b3
commit 4c6a45e2e8
4 changed files with 1018 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files
🤖 ЛОКАЛЬНЫЙ ИИ-ЭКСПЕРТ ПО БАНКОМАТНОМУ ПО.md
+608
View File
@@ -0,0 +1,608 @@
- **Платформа:** Windows 10/11 + WSL2 (Ubuntu 22.04 / 24.04)
- **Железо:** NVIDIA RTX 3060 Ti (8 ГБ VRAM)
- **Базовая модель для обучения:** Meta Llama 3.1 8B (`unsloth/llama-3.1-8b-Instruct-bnb-4bit`)
- **Рабочая директория:** `C:\ST\aandc\` (внутри WSL2: `/mnt/c/ST/aandc/`)
---
ЧАСТЬ 1. Развертывание среды и проброс GPU в WSL2
Шаг 1.1. Базовая установка подсистемы
Откройте **PowerShell от имени Администратора** на хостовой Windows:
powershell
```
wsl --install
wsl --set-default-version 2
```
Используйте код с осторожностью.
_Перезагрузите компьютер. При первом запуске терминала Ubuntu задайте логин и пароль._
Шаг 1.2. Защита от Out Of Memory (Выделение ресурсов)
1. В Windows нажмите `Win + R`, введите `%USERPROFILE%` и нажмите Enter.
2. Создайте в этой папке текстовый файл `.wslconfig` (без расширения `.txt`) и вставьте:
ini
```
[wsl2]
memory=16GB # Выделяем минимум 16 ГБ оперативной памяти (или 75% от системной RAM)
swap=8GB # Обязательный файл подкачки для подстраховки при компиляции моделей
localhostForwarding=true
```
Используйте код с осторожностью.
3. Перезапустите WSL в PowerShell: `wsl --shutdown`
Шаг 1.3. Настройка NVIDIA Container Toolkit
Запустите терминал **Ubuntu в WSL2** и выполните цепочку команд для чистой настройки проброса видеокарты:
bash
```
sudo apt-get update && sudo apt-get install -y ca-certificates curl gnupg2
# Удаляем старые битые кэши и ключи, если они создались
sudo rm -f /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo rm -f /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
# Скачивание официального валидного GPG-ключа NVIDIA
curl -fsSL https://github.io | sudo gpg --dearmor --yes -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
# Добавление стабильного репозитория пакетов
curl -s -L https://github.io | \
sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
# Обновление списков и установка утилиты сопряжения
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
```
Используйте код с осторожностью.
_Для проверки введите `nvidia-smi`. На экране должна появиться таблица вашей видеокарты RTX 3060 Ti._
---
ЧАСТЬ 2. Установка Ollama и Запуск Базовой Модели
Шаг 2.1. Установка движка и скачивание Llama 3.1
Выполните в терминале WSL2:
bash
```
curl -fsSL https://ollama.com | sh
ollama pull llama3.1
```
Используйте код с осторожностью.
Шаг 2.2. Фоновый запуск сервера Ollama
Поскольку менеджер служб `systemd` в WSL часто ограничен, запускайте Ollama напрямую встроенным фоновым процессом Linux:
bash
```
ollama serve > /dev/null 2>&1 &
```
Используйте код с осторожностью.
_(Нажмите Enter, если терминал временно застынет. Проверить статус можно командой `ollama list`)._
---
ЧАСТЬ 3. Автоматизированная генерация ShareGPT-датасета
Шаг 3.1. Подготовка файлов в Windows и WSL2
1. В Windows создайте папку `C:\ST\aandc\manuals\`.
2. Скопируйте в неё все ваши **71 исходный технический PDF-мануал**. Внутри WSL2 они мгновенно станут доступны по пути `/mnt/c/ST/aandc/manuals/`.
3. В терминале WSL2 установите библиотеки обработки данных (обходя ограничения `PEP 668` системы Ubuntu):
bash
```
pip3 install pypdf requests --break-system-packages
```
Используйте код с осторожностью.
Шаг 3.2. Развертывание отказоустойчивого скрипта `generate_qa.py`
Создайте файл `/mnt/c/ST/aandc/generate_qa.py` и скопируйте в него этот код. Он очищает текст регулярными выражениями и корректно парсит ответы Ollama, даже если она возвращает одиночный словарь вместо списка:
python
```
import os
import re
import json
import pypdf
import requests
# === КОНФИГУРАЦИЯ ===
MODEL_NAME = "llama3.1:latest"
OLLAMA_URL = "http://localhost:11434/api/generate"
MANUALS_DIR = "/mnt/c/ST/aandc/manuals"
OUTPUT_FILE = "/mnt/c/ST/aandc/aandc_dataset.jsonl"
WINDOW_SIZE = 3 # Размер окна чтения документа (в страницах)
SYSTEM_PROMPT = (
"Вы — опытный technical writer и эксперт по банкоматному ПО.\n"
"Изучите предоставленный фрагмент технической документации.\n"
"Создайте от 2 до 4 высококачественных пар 'Вопрос-Ответ' на основе ТОЛЬКО этого текста.\n"
"Вопросы должны быть конкретными (коды ошибок, процедуры калибровки, настройка систем).\n"
"Ответы должны быть глубокими, технически точными, структурированными и без упоминания номеров страниц.\n"
"Формат ответа строго JSON списка ShareGPT:\n"
'[{"conversations": [{"from": "human", "value": "Вопрос"}, {"from": "gpt", "value": "Ответ"}]}]'
)
def clean_text(text):
"""Очистка текста от мусора, номеров страниц и колонтитулов"""
text = re.sub(r'Page \d+ of \d+', '', text, flags=re.IGNORECASE)
text = re.sub(r'^\d+\s*$', '', text, flags=re.MULTILINE)
text = re.sub(r'\n+', '\n', text)
text = re.sub(r' +', ' ', text)
return text.strip()
def extract_pdf_chunks(pdf_path, window_size=3):
"""Динамическое чтение любого PDF файла порциями страниц"""
try:
with open(pdf_path, 'rb') as f:
reader = pypdf.PdfReader(f)
total_pages = len(reader.pages)
for i in range(0, total_pages, window_size):
chunk_text = ""
for j in range(i, min(i + window_size, total_pages)):
page_text = reader.pages[j].extract_text()
if page_text:
chunk_text += page_text + "\n"
cleaned = clean_text(chunk_text)
if len(cleaned) > 100:
yield cleaned
except Exception as e:
print(f"Ошибка при чтении файла {os.path.basename(pdf_path)}: {e}")
def ask_ollama(context):
"""Запрос к локальному серверу Ollama за строгим JSON-форматом"""
prompt = f"ДОКУМЕНТАЦИЯ:\n{context}\n\nСгенерируй JSON по инструкции."
payload = {
"model": MODEL_NAME,
"prompt": prompt,
"system": SYSTEM_PROMPT,
"stream": False,
"format": "json"
}
try:
response = requests.post(OLLAMA_URL, json=payload)
if response.status_code == 200:
return response.json().get("response", "")
except Exception as e:
print(f"Ошибка связи с Ollama: {e}")
return None
def main():
if not os.path.exists(MANUALS_DIR):
print(f"Ошибка: Папка {MANUALS_DIR} не найдена!")
return
pdf_files = [f for f in os.listdir(MANUALS_DIR) if f.lower().endswith('.pdf')]
total_files = len(pdf_files)
if total_files == 0:
print(f"В папке {MANUALS_DIR} не найдено ни одного PDF файла.")
return
print(f"Найдено файлов для обработки: {total_files}")
print("Старт генерации профессионального датасета...")
# Файл затирает старую сырую базу 'w' и наполняется построчно (JSON Lines)
with open(OUTPUT_FILE, 'w', encoding='utf-8') as outfile:
for idx, pdf_name in enumerate(pdf_files, 1):
pdf_path = os.path.join(MANUALS_DIR, pdf_name)
print(f"[{idx}/{total_files}] Обработка: {pdf_name}")
for chunk in extract_pdf_chunks(pdf_path, WINDOW_SIZE):
raw_json = ask_ollama(chunk)
if not raw_json:
continue
try:
data = json.loads(raw_json)
# Сценарий 1: Модель вернула список объектов [ {...}, {...} ]
if isinstance(data, list):
for item in data:
if isinstance(item, dict) and "conversations" in item:
outfile.write(json.dumps(item, ensure_ascii=False) + "\n")
outfile.flush()
print(" ✅ Записана карточка (из списка)")
# Сценарий 2: Модель вернула один одиночный объект { "conversations": [...] }
elif isinstance(data, dict):
if "conversations" in data:
outfile.write(json.dumps(data, ensure_ascii=False) + "\n")
outfile.flush()
print(" ✅ Записана карточка (прямой словарь)")
else:
for key, val in data.items():
if isinstance(val, list):
for sub_item in val:
if isinstance(sub_item, dict) and "conversations" in sub_item:
outfile.write(json.dumps(sub_item, ensure_ascii=False) + "\n")
outfile.flush()
print(" ✅ Записана карточка (из вложенного ключа)")
except json.JSONDecodeError:
continue
print(f"\nУспешно! Все файлы обработаны. Новый датасет сохранен в: {OUTPUT_FILE}")
if __name__ == "__main__":
main()
```
Используйте код с осторожностью.
_Запуск: `python3 /mnt/c/ST/aandc/generate_qa.py`. На выходе сформируется файл на 756 качественных диалогов._
---
ЧАСТЬ 4. Стабильный Fine-Tuning LoRA на 8 ГБ VRAM
Для того чтобы обучение гарантированно шло без вылетов по памяти (`RuntimeError по fused cross entropy`), мы используем чистый, промышленный стек **Hugging Face (`transformers` + `peft` + `bitsandbytes`)**. Мы полностью убрали капризные компиляторы Unsloth, исключив любые пики выделения памяти на карте хоста.
Шаг 4.1. Установка стабильных зависимостей
Выполните в терминале WSL2:
bash
```
pip install torch torchvision torchaudio --index-url https://pytorch.org --break-system-packages
pip install transformers datasets peft bitsandbytes --break-system-packages
```
Используйте код с осторожностью.
Шаг 4.2. Развертывание «железного» скрипта обучения `train.py`
Создайте файл `/mnt/c/ST/aandc/train.py` и скопируйте в него этот код:
python
```
import os
import json
import torch
from datasets import Dataset
from transformers import (
AutoModelForCausalLM,
AutoTokenizer,
BitsAndBytesConfig,
TrainingArguments,
Trainer,
DataCollatorForLanguageModeling
)
from peft import LoraConfig, get_peft_model, prepare_model_for_kbit_training
# === КОНФИГУРАЦИЯ ДЛЯ ГАРАНТИРОВАННОГО СТАРТА НА 8 ГБ VRAM ===
MODEL_NAME = "unsloth/llama-3.1-8b-Instruct-bnb-4bit" # Весовая база
max_seq_length = 512 # Идеальный размер контекста для защиты памяти от пиков
DATASET_PATH = "/mnt/c/ST/aandc/aandc_dataset.jsonl"
# Принудительная очистка видеопамяти
torch.cuda.empty_cache()
print("--- 1. Конфигурация 4-битного квантования bitsandbytes ---")
bnb_config = BitsAndBytesConfig(
load_in_4bit=True,
bnb_4bit_quant_type="nf4",
bnb_4bit_compute_dtype=torch.float16,
bnb_4bit_use_double_quant=True
)
print("--- 2. Загрузка модели и токенизатора напрямую через HF ---")
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
tokenizer.pad_token = tokenizer.eos_token
model = AutoModelForCausalLM.from_pretrained(
MODEL_NAME,
quantization_config=bnb_config,
device_map="auto"
)
# Подготовка модели к PEFT обучению (стабилизация градиентов k-bit)
model = prepare_model_for_kbit_training(model)
print("--- 3. Конфигурация LoRA (Чистый PEFT) ---")
peft_config = LoraConfig(
r=16,
lora_alpha=16,
target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],
lora_dropout=0.05,
bias="none",
task_type="CAUSAL_LM"
)
model = get_peft_model(model, peft_config)
print("--- 4. Отказоустойчивая валидация и загрузка датасета ---")
valid_dialogues = []
with open(DATASET_PATH, "r", encoding="utf-8") as f:
for idx, line in enumerate(f, 1):
if not line.strip():
continue
try:
item = json.loads(line)
if "conversations" not in item or not isinstance(item["conversations"], list):
continue
clean_conv = []
is_corrupted = False
for msg in item["conversations"]:
# Защита от изменения типов (строка вместо словаря на row 9)
if not isinstance(msg, dict) or "from" not in msg or "value" not in msg:
is_corrupted = True
break
clean_conv.append({
"from": str(msg["from"]).strip(),
"value": str(msg["value"]).strip()
})
if not is_corrupted and len(clean_conv) > 0:
valid_dialogues.append({"conversations": clean_conv})
except json.JSONDecodeError:
continue
print(f"Успешно загружено чистых диалогов: {len(valid_dialogues)}")
dataset = Dataset.from_list(valid_dialogues)
# Форматирование и ЯВНАЯ ТОКЕНИЗАЦИЯ строк под формат ролей Llama 3.1
def tokenize_prompts_func(examples):
conversations = examples["conversations"]
tokenized_inputs = {"input_ids": [], "attention_mask": []}
for con in conversations:
mapped_conversation = []
for msg in con:
# Превращаем "human" в "user", "gpt" в "assistant" для шаблона Llama 3.1
role = "user" if msg["from"] == "human" else "assistant"
mapped_conversation.append({"role": role, "content": msg["value"]})
# Применяем Jinja-шаблон чата
text = tokenizer.apply_chat_template(mapped_conversation, tokenize=False, add_generation_prompt=False)
# Токенизируем текст напрямую с жесткой обрезкой до max_seq_length
tokenized = tokenizer(text, truncation=True, max_length=max_seq_length, padding=False)
tokenized_inputs["input_ids"].append(tokenized["input_ids"])
tokenized_inputs["attention_mask"].append(tokenized["attention_mask"])
return tokenized_inputs
# Пересобираем датасет в готовые числовые тензоры
dataset = dataset.map(tokenize_prompts_func, batched=True, remove_columns=["conversations"])
print("--- 5. Инициализация индустриального Trainer ---")
trainer = Trainer(
model=model,
train_dataset=dataset,
data_collator=DataCollatorForLanguageModeling(tokenizer=tokenizer, mlm=False), # Сборщик батчей
args=TrainingArguments(
per_device_train_batch_size=1, # Размер батча 1 исключает переполнение VRAM
gradient_accumulation_steps=8, # Накопление шагов (1 * 8 эмулирует реальный батч размера 8)
warmup_steps=5,
max_steps=60, # Обучение на 60 шагах. Для финала: num_train_epochs = 3
learning_rate=2e-4,
fp16=True,
logging_steps=1,
optim="adamw_8bit", # 8-битный оптимизатор экономит драгоценную VRAM
weight_decay=0.01,
lr_scheduler_type="linear",
seed=3407,
output_dir="outputs",
remove_unused_columns=False
),
)
print("--- 6. СТАРТ ТРЕНИРОВКИ (Чистый стек Hugging Face) ---")
trainer.train()
print("--- ТРЕНИРОВКА УСПЕШНО ЗАВЕРШЕНА ---")
print("--- 7. Сохранение LoRA адаптеров ---")
model.save_pretrained("/mnt/c/ST/aandc/aandc_lora_model")
tokenizer.save_pretrained("/mnt/c/ST/aandc/aandc_lora_model")
print("Обученные адаптеры сохранены в папку aandc_lora_model!")
```
Используйте код с осторожностью.
Шаг 4.3. Выполнение тренировки
Перед запуском обязательно **выгрузите Ollama из памяти**, чтобы освободить видеокарту хоста:
bash
```
pkill -f ollama
```
Используйте код с осторожностью.
Запустите скрипт:
bash
```
python3 /mnt/c/ST/aandc/train.py
```
Используйте код с осторожностью.
_Процесс займет около 2 часов. Значение `loss` будет плавно падать, фиксируя технические знания в весах LoRA._
---
ЧАСТЬ 5. Слияние Модели в Совместимый Монолит
Поскольку базовая модель `bnb-4bit` аппаратно заблокирована от обратной распаковки на CPU через `llama.cpp`, мы используем официальный индустриальный метод: **накатим ваши адаптеры на открытую, чистую базовую модель Llama 3.1 8B в формате `float16`** и запишем один полноценный монолитный файл.
Шаг 5.1. Запуск скрипта слияния (Merge & Unload)
Запустите интерактивный Python в терминале WSL2:
bash
```
python3
```
Используйте код с осторожностью.
Вставьте этот код (он скачает чистую базу от Unsloth и объединит её с вашими адаптерами):
python
```
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
base_model_path = "unsloth/llama-3.1-8b-Instruct"
lora_path = "/mnt/c/ST/aandc/aandc_lora_model"
output_path = "/mnt/c/ST/aandc/atm_expert_fused_clean"
print("1. Загрузка открытой базовой модели Llama 3.1 (float16)...")
base_model = AutoModelForCausalLM.from_pretrained(base_model_path, torch_dtype=torch.bfloat16, device_map="cpu")
tokenizer = AutoTokenizer.from_pretrained(base_model_path)
print("2. Наложение обученных LoRA весов...")
model = PeftModel.from_pretrained(base_model, lora_path)
print("3. Слияние матриц в единый монолит...")
model = model.merge_and_unload()
print("4. Сохранение финальной совместимой модели...")
model.save_pretrained(output_path, safe_serialization=True)
tokenizer.save_pretrained(output_path)
print("--- СЛИЯНИЕ УСПЕШНО ЗАВЕРШЕНО ---")
exit()
```
Используйте код с осторожностью.
_После завершения в директории `C:\ST\aandc\atm_expert_fused_clean\` появится полноценная, совместимая с Ollama модель._
---
ЧАСТЬ 6. Сборка и Запуск Финального ИИ-Эксперта
Шаг 6.1. Настройка конфигурационного файла `Modelfile`
Перепишите ваш `Modelfile`, чтобы Ollama прочитала готовую монолитную папку, выполнив в консоли команду:
bash
```
cat << 'EOF' > /mnt/c/ST/aandc/Modelfile
# Ссылка на созданную монолитную папку
FROM /mnt/c/ST/aandc/atm_expert_fused_clean
TEMPLATE """{{ if .System }}<|start_header_id|>system<|end_header_id|>
{{ .System }}<|eot_id|>{{ end }}{{ if .Prompt }}<|start_header_id|>user<|end_header_id|>
{{ .Prompt }}<|eot_id|>{{ end }}<|start_header_id|>assistant<|end_header_id|>
{{ .Response }}<|eot_id|>"""
SYSTEM "Вы — специализированный локальный ИИ-эксперт по банкоматному ПО. Вы отвечаете строго на основе технической документации, четко, структурированно, используя точные инженерные термины и коды ошибок."
EOF
```
Используйте код с осторожностью.
Шаг 6.2. Компиляция модели внутри Ollama
Запустите сервер Ollama обратно в фоне и выполните сборку:
bash
```
ollama serve > /dev/null 2>&1 &
cd /mnt/c/ST/aandc/
ollama create atm_expert -f ./Modelfile
```
Используйте код с осторожностью.
_Ollama за секунды скопирует компоненты, переварит типы данных и напишет долгожданное `success`._
Шаг 6.3. Интерактивный запуск
Входите в чат с готовым экспертом:
bash
```
ollama run atm_expert
```
Используйте код с осторожностью.
_Модель будет отвечать глубоко, инженерно точно, без колонтитулов и «каши». Выход из чата — команда `/exit`._
---
ЧАСТЬ 7. Автономный Перенос Эксперта на Другой ПК
Поскольку модель собрана в монолит, перенос на любой другой компьютер (даже полностью отключенный от интернета) занимает ровно 1 минуту.
1. **Экспорт в GGUF-файл на текущем ПК:**
Выполните в терминале WSL2 команду экспорта:
bash
```
ollama show atm_expert --modelfile > /mnt/c/ST/aandc/atm_expert_final.gguf
```
Используйте код с осторожностью.
_Заберите получившийся файл `atm_expert_final.gguf` (размером около 4.7 ГБ) на флешку._
2. **Подготовка целевого ПК:**
Установите чистую Ollama на новый компьютер (скачав десктопный установщик для Windows или Mac с официального сайта ollama.com).
3. **Импорт модели на новом месте:**
Положите файл `atm_expert_final.gguf` в любую папку на новом ПК (например, `C:\ATM_AI\`). Создайте рядом текстовый файл `Modelfile` со следующим содержимым:
dockerfile
```
FROM ./atm_expert_final.gguf
SYSTEM "Вы — специализированный локальный ИИ-эксперт по банкоматному ПО. Вы отвечаете строго на основе технической документации, четко, структурированно, используя точные инженерные термины и коды ошибок."
```
Используйте код с осторожностью.
Откройте обычную командную строку Windows (cmd или PowerShell) в этой папке и зарегистрируйте модель:
powershell
```
cd C:\ATM_AI\
ollama create atm_expert -f ./Modelfile
```
Используйте код с осторожностью.
4. **Запуск:** Модель готова отвечать на новом ПК по стандартной команде: `ollama run atm_expert`. Если на целевом ПК нет видеокарты, обеспечьте ему минимум **16 ГБ оперативной памяти (RAM)** — Ollama автоматически и без сбоев переключит вычисления на процессор.
---