cd ~
git clone https://github.com/SmartFlowAI/Llama3-Tutorial
git clone https://github.com/SmartFlowAI/Llama3-Tutorial：用于克隆一个远程 Git 仓库到本地。
- git clone： Git 的一个子命令，用于克隆远程仓库。
- https://github.com/SmartFlowAI/Llama3-Tutorial：要克隆的远程仓库的 URL。在这里，它指的是名为 "Llama3-Tutorial" 的仓库，位于 GitHub 上的 SmartFlowAI 组织下。
mkdir -p ~/model
cd ~/model
ln -s /root/share/new_models/meta-llama/Meta-Llama-3-8B-Instruct .
- ln -s /root/share/new_models/meta-llama/Meta-Llama-3-8B-Instruct .：这是一个 ln 命令，用于创建符号链接。
- -s 选项表示创建符号链接。
- /root/share/new_models/meta-llama/Meta-Llama-3-8B-Instruct 是要创建符号链接指向的目标文件或目录的路径。 "Meta-Llama-3-8B-Instruct" 的文件或目录，位于 /root/share/new_models/meta-llama/ 目录下。
- . 表示当前目录，即当前工作目录下的 "model" 目录。
mkdir -p ~/model
cd ~/model
ln -s /root/share/new_models/openai/clip-vit-large-patch14-336 .
mkdir -p ~/model
cd ~/model
ln -s /root/share/new_models/xtuner/llama3-llava-iter_2181.pth .cd ~
git clone https://github.com/InternLM/tutorial -b camp2
python ~/tutorial/xtuner/llava/llava_data/repeat.py \
-i ~/tutorial/xtuner/llava/llava_data/unique_data.json \
-o ~/tutorial/xtuner/llava/llava_data/repeated_data.json \
-n 200
git clone https://github.com/InternLM/tutorial -b camp2：使用 Git 克隆一个名为 "tutorial" 的仓库，从指定的分支 "camp2" 中获取内容。具体解释如下：
- git clone：这是 Git 的一个子命令，用于克隆远程仓库。
- https://github.com/InternLM/tutorial：这是要克隆的远程仓库的 URL，即 GitHub 上的 "tutorial" 仓库。
- -b camp2：这是 Git 克隆时的选项，表示只克隆指定分支的内容，这里指定的是名为 "camp2" 的分支。
python ~/tutorial/xtuner/llava/llava_data/repeat.py -i ~/tutorial/xtuner/llava/llava_data/unique_data.json -o ~/tutorial/xtuner/llava/llava_data/repeated_data.json -n 200：运行 Python 脚本文件 "repeat.py"，并传递一些参数。具体解释如下：
- python：这是 Python 解释器的命令，用于执行 Python 脚本。
- ~/tutorial/xtuner/llava/llava_data/repeat.py：指定要执行的 Python 脚本文件的路径。
- -i ~/tutorial/xtuner/llava/llava_data/unique_data.json：指定输入文件的路径，这里的 -i 选项表示输入文件。
- -o ~/tutorial/xtuner/llava/llava_data/repeated_data.json：指定输出文件的路径，这里的 -o 选项表示输出文件。
- -n 200：指定参数 -n 的值为 200，可能是用于指定重复次数。
xtuner train ~/Llama3-Tutorial/configs/llama3-llava/llava_llama3_8b_instruct_qlora_clip_vit_large_p14_336_lora_e1_finetune.py --work-dir ~/llama3_llava_pth --deepspeed deepspeed_zero2
使用 "xtuner" 程序进行模型训练的命令：
- xtuner train: 这是命令行的一部分，指示要使用 "xtuner" 程序来进行训练任务。
- ~/Llama3-Tutorial/configs/llama3-llava/llava_llama3_8b_instruct_qlora_clip_vit_large_p14_336_lora_e1_finetune.py:指定的模型训练配置文件的路径。该配置文件可能包含了模型的结构、超参数等信息。
- --work-dir ~/llama3_llava_pth: 一个选项参数，用于指定模型训练过程中的工作目录，即训练过程中生成的文件（如日志、模型参数等）存放的位置。
- --deepspeed deepspeed_zero2: 另一个选项参数，可能用于指定使用 DeepSpeed 进行训练，并且使用 deepspeed_zero2 配置。
xtuner convert pth_to_hf ~/Llama3-Tutorial/configs/llama3-llava/llava_llama3_8b_instruct_qlora_clip_vit_large_p14_336_lora_e1_finetune.py \
~/model/llama3-llava-iter_2181.pth \
~/llama3_llava_pth/pretrain_iter_2181_hf
xtuner convert pth_to_hf ~/Llama3-Tutorial/configs/llama3-llava/llava_llama3_8b_instruct_qlora_clip_vit_large_p14_336_lora_e1_finetune.py \
~/llama3_llava_pth/iter_1200.pth \
~/llama3_llava_pth/iter_1200_hf
这两个命令都是使用 "xtuner" 程序进行文件格式的转换，将 PyTorch 模型文件（.pth 格式）转换为 Hugging Face 模型文件（HF 格式）：
- xtuner convert pth_to_hf: 这是一个命令行指令，表示要使用 "xtuner" 程序进行文件格式的转换，将 PyTorch 模型文件转换为 Hugging Face 模型文件。
- ~/Llama3-Tutorial/configs/llama3-llava/llava_llama3_8b_instruct_qlora_clip_vit_large_p14_336_lora_e1_finetune.py: 这是指定的模型配置文件的路径，该文件用于指定模型的结构和参数。
- ~/model/llama3-llava-iter_2181.pth: 这是指定的 PyTorch 模型文件的路径。
- ~/llama3_llava_pth/pretrain_iter_2181_hf: 这是指定的转换后的 Hugging Face 模型文件的保存路径。
- xtuner convert pth_to_hf: 与第一个命令类似，仍然表示文件格式的转换，将 PyTorch 模型文件转换为 Hugging Face 模型文件。
- ~/Llama3-Tutorial/configs/llama3-llava/llava_llama3_8b_instruct_qlora_clip_vit_large_p14_336_lora_e1_finetune.py: 同样是指定的模型配置文件的路径。
- ~/llama3_llava_pth/iter_1200.pth: 这是另一个指定的 PyTorch 模型文件的路径。
- ~/llama3_llava_pth/iter_1200_hf: 这是另一个指定的转换后的 Hugging Face 模型文件的保存路径。
export MKL_SERVICE_FORCE_INTEL=1
xtuner chat /root/model/Meta-Llama-3-8B-Instruct \
--visual-encoder /root/model/clip-vit-large-patch14-336 \
--llava /root/llama3_llava_pth/pretrain_iter_2181_hf \
--prompt-template llama3_chat \
--image /root/tutorial/xtuner/llava/llava_data/test_img/oph.jpg
用于启动一个名为 "xtuner" 的对话系统，其作用是根据指定的模型进行对话生成。具体解释如下：
- export MKL_SERVICE_FORCE_INTEL=1：这是一个环境变量设置，用于强制使用 Intel 的 MKL 服务。
- xtuner chat: 这是一个命令行指令，表示要使用 "xtuner" 程序进行对话生成。
- /root/model/Meta-Llama-3-8B-Instruct: 这是指定的对话系统的模型文件的路径，即 Meta-Llama-3-8B-Instruct 模型。
- --visual-encoder /root/model/clip-vit-large-patch14-336: 这是指定的图像编码器模型文件的路径，即 clip-vit-large-patch14-336 模型。
- --llava /root/llama3_llava_pth/pretrain_iter_2181_hf: 这是指定的 LLAVA 模型文件的路径，即经过预训练后的模型。
- --prompt-template llama3_chat: 这是指定的对话提示模板，可能是用于指定对话的格式或样式。
- --image /root/tutorial/xtuner/llava/llava_data/test_img/oph.jpg: 这是指定的要输入的图像文件的路径，即要进行对话的图像。
export MKL_SERVICE_FORCE_INTEL=1
xtuner chat /root/model/Meta-Llama-3-8B-Instruct \
--visual-encoder /root/model/clip-vit-large-patch14-336 \
--llava /root/llama3_llava_pth/iter_1200_hf \
--prompt-template llama3_chat \
--image /root/tutorial/xtuner/llava/llava_data/test_img/oph.jpg
