Update README

README.md

@@ -58,7 +58,7 @@ pip install -e .
 
 ## 训练
 ### xtuner微调方法
-1. 训练库安装，请注意所需库版本
+1. 训练库安装（非llama3_pytorch目录下），请注意所需库版本
 ```bash
 pip uninstall flash-attn # 2.0.4+82379d7.abi0.dtk2404.torch2.1
 # docker环境含有deepspeed的可不进行安装, 需要对照版本是否一致即可
@@ -67,6 +67,8 @@ git clone -b v0.1.18 https://github.com/InternLM/xtuner.git
 cd xtuner
 pip install -e '.[all]'
 pip install mmengine==0.10.3
+# 注意bitsandbytes库版本，如果环境中一致可不安装，否则需要重新安装
+pip install bitsandbytes-0.37.0+das1.0+gitd3d888f.abi0.dtk2404.torch2.1-py3-none-any.whl
 ```
 2. 下载预训练模型，具体模型请修改`download_models.py`
 ```bash
@@ -74,10 +76,10 @@ cd /your_code_path/llama3_pytorch
 pip install modelscope
 python download_models.py
 ```
-2. 修改[llama3_8b_instruct_qlora_alpaca_e3_M.py](./llama3_8b_instruct_qlora_alpaca_e3_M.py)代码中的`pretrained_model_name_or_path`、`data_path`为本地模型、数据地址；
-3. 根据硬件环境和自身训练需求来调整`max_length`、`batch_size`、`accumulative_counts`、`max_epochs`、`lr`、`save_steps`、`evaluation_freq`、model.lora中的`r`、`lora_alpha`参数，默认参数支持4*32G；
-4. ${DCU_NUM}参数修改为要使用的DCU卡数量，不同数据集需要修改llama3_8b_instruct_qlora_alpaca_e3_M.py中`SYSTEM`、`evaluation_inputs`、`dataset_map_fn`、`train_dataloader.sampler`、`train_cfg`参数设置，详情请参考代码注释项，当前默认alpaca数据集，**`--work-dir`设定保存模型路径**；
-5. 执行
+3. 修改[llama3_8b_instruct_qlora_alpaca_e3_M.py](./llama3_8b_instruct_qlora_alpaca_e3_M.py)代码中的`pretrained_model_name_or_path`、`data_path`为本地模型、数据地址；
+4. 根据硬件环境和自身训练需求来调整`max_length`、`batch_size`、`accumulative_counts`、`max_epochs`、`lr`、`save_steps`、`evaluation_freq`、model.lora中的`r`、`lora_alpha`参数，默认参数支持4*32G；
+5. ${DCU_NUM}参数修改为要使用的DCU卡数量，不同数据集需要修改llama3_8b_instruct_qlora_alpaca_e3_M.py中`SYSTEM`、`evaluation_inputs`、`dataset_map_fn`、`train_dataloader.sampler`、`train_cfg`参数设置，详情请参考代码注释项，当前默认alpaca数据集，**`--work-dir`设定保存模型路径**；
+6. 执行
 ```bash
 bash finetune.sh
 or