llama2 lora fine tuning

Тонкая настройка llama2-чат с Lora и Deepspeed

Настройте модель Llama-2-7B-чат на двух P100 (16G).

Источник данных принимает формат Alpaca и состоит из двух источников данных: поезда и валидация.

1. Требования к видеокартам

Видео памяти 16G и выше (P100 или T4 и выше), один или несколько блоков.

2. Клон -исходный код

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

3. Установка зависимая среда

 # 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. Загрузите оригинальную модель

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

5. Расширить китайский список слов

 # 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. Описание параметров точной настройки

Есть несколько параметров, которые можно скорректировать:

параметр	иллюстрировать	Получите значение
load_in_bits	Точность модели	4 и 8. Если видео память не переполнена, попробуйте выбрать высокую рецепту 8.
block_size	Максимальная длина токена	Первый выбор 2048, переполнение памяти, 1024, 512 и т. Д.
per_device_train_batch_size	Количество партий на карту, загружаемые каждый раз во время обучения	Пока память не переполняется, постарайтесь перейти на всеобщие выборы
per_device_eval_batch_size	Количество партий на карту, загружаемые при каждой оценке во время оценки	Пока память не переполняется, постарайтесь перейти на всеобщие выборы
включать	Последовательности графических карт используются	Например, две части: Localhost: 1,2 (обратите внимание, что последовательность не обязательно такая же, как и то, что видит Nvidia-SMI)
num_train_epochs	Количество тренировочных раундов	Не менее 3 раундов

7. Прекрасная регулировка

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. тест

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