llama2 lora fine tuning

Fino Tune Llama2-Chat con Lora y Deepsed

Tune fino el modelo LLAMA-2-7B-CHAT en dos P100 (16 g).

La fuente de datos adopta el formato Alpaca y consta de dos fuentes de datos: trenes y validación.

1. Requisitos de tarjeta gráfica

16 g de memoria de video y arriba (P100 o T4 y superior), uno o más bloques.

2. Código fuente de clones

git clone https://github.com/git-cloner/llama2-lora-fine-tuning
cd llama2-lora-fine-tuning

3. Entorno dependiente de la instalación

 # 创建虚拟环境
conda create -n llama2 python=3.9 -y
conda activate llama2
# 下载github.com上的依赖资源（需要反复试才能成功，所以单独安装）
export GIT_TRACE=1
export GIT_CURL_VERBOSE=1
pip install git+https://github.com/PanQiWei/AutoGPTQ.git -i https://pypi.mirrors.ustc.edu.cn/simple --trusted-host=pypi.mirrors.ustc.edu.cn
pip install git+https://github.com/huggingface/peft -i https://pypi.mirrors.ustc.edu.cn/simple
pip install git+https://github.com/huggingface/transformers -i https://pypi.mirrors.ustc.edu.cn/simple
# 安装其他依赖包
pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple
# 验证bitsandbytes
python -m bitsandbytes

4. Descargue el modelo original

python model_download.py --repo_id daryl149/llama-2-7b-chat-hf

5. Expanda la lista de palabras chinas

 # 使用了https://github.com/ymcui/Chinese-LLaMA-Alpaca.git的方法扩充中文词表
# 扩充完的词表在merged_tokenizes_sp（全精度）和merged_tokenizer_hf（半精度）
# 在微调时，将使用--tokenizer_name ./merged_tokenizer_hf参数
python merge_tokenizers.py 
  --llama_tokenizer_dir ./models/daryl149/llama-2-7b-chat-hf 
  --chinese_sp_model_file ./chinese_sp.model

6. Descripción del parámetro ajustado

Hay varios parámetros que se pueden ajustar:

parámetro	ilustrar	Obtener el valor
load_in_bits	Precisión del modelo	4 y 8. Si la memoria de video no se desborda, intente elegir la alta precisión 8.
BLOCK_SIZE	Longitud máxima del token	Primera opción 2048, desbordamiento de memoria, 1024, 512, etc.
per_device_train_batch_size	Número de lotes por tarjeta cargados en cada vez durante el entrenamiento	Mientras la memoria no se desborda, intente ir a las elecciones generales
per_device_eval_batch_size	Número de lotes por tarjeta cargados en cada momento durante la evaluación	Mientras la memoria no se desborda, intente ir a las elecciones generales
incluir	Secuencias de tarjetas gráficas utilizadas	Por ejemplo, dos piezas: Localhost: 1,2 (tenga en cuenta que la secuencia no es necesariamente la misma que lo que ve NVIDIA-SMI)
num_train_epochs	Número de rondas de entrenamiento	Al menos 3 rondas

7. Ajuste fino

chmod +x finetune-lora.sh
# 微调
./finetune-lora.sh
# 微调（后台运行）
pkill -9 -f finetune-lora
nohup ./finetune-lora.sh > train.log  2>&1 &
tail -f train.log

8. Prueba

CUDA_VISIBLE_DEVICES=0 python generate.py 
    --base_model ' ./models/daryl149/llama-2-7b-chat-hf ' 
    --lora_weights ' output/checkpoint-2000 ' 
    --load_8bit #不加这个参数是用的4bit