llama lora fine tuning
1.0.0
中文
โดยทั่วไปมีสองแผนสำหรับการปรับแต่ง Facebook/Llama หนึ่งคือซีรี่ส์ Alpaca ของ Stanford และอีกชุดหนึ่งคือ Vicuna จาก ShareGpt Corpus Vicuna ใช้คอร์ปัสบทสนทนาหลายรอบและเอฟเฟกต์การฝึกอบรมดีกว่า Alpaca ซึ่งเริ่มต้นจากบทสนทนารอบเดียว ดังนั้นจึงขอแนะนำให้ปรับแต่ง Llama ตาม Vicuna วิธีการปรับจูนสองวิธีอธิบายไว้ในรายละเอียดในโครงการต่อไปนี้ (คำอธิบายของโหมด LORA ใน FastChat นั้นค่อนข้างง่าย)
https://github.com/tloen/alpaca-lora
https://github.com/lm-sys/fastchat
Alpaca-Lora มีข้อกำหนดด้านหน่วยความจำต่ำประมาณ 12G 2080TI สามารถรองรับได้ แต่การฝึกอบรมแบบจำลองหลายรอบหลายรอบเช่น Vicuna ต้องใช้หน่วยความจำ GPU สูง การฝึกอบรมแบบจำลอง Vicuna ต้องใช้หน่วยความจำ GPU อย่างน้อย 24 กรัม [คำแนะนำอย่างเป็นทางการคือ 4 * V100 (32G)] หากคุณมีการ์ดกราฟิกระดับไฮเอนด์เพียงแค่ติดตามไฟล์เพื่อฝึกอบรม หากคุณมีการ์ดกราฟิก 16G เท่านั้น แต่ต้องการปรับแต่งคลังข้อมูลเพื่อสร้างโมเดล Vicuna ซ้ำคุณต้องนึกถึงหลายวิธีในการลดความแม่นยำอย่างต่อเนื่องจาก 32 บิตถึงครึ่งความแม่นยำ 16 บิตจาก 16 บิตเป็น 8 บิตและเร่งวิธีการฝึกอบรมเพื่อให้บรรลุเป้าหมาย
•ใช้วิธี LORA เพื่อฝึกเฉพาะส่วนหนึ่งของพารามิเตอร์
•โมเดลพื้นฐานใช้ความแม่นยำครึ่ง LLAMA-7B-HF
•ใช้ load_in_8bit เพื่อโหลดโมเดลพื้นฐาน
•ใช้เทคโนโลยี PEFT เพื่อปรับแต่ง
•ใช้ Bitsandbytes เพื่อเร่งความเร็ว
จากนั้นเราจาก FastChat บทความนี้จะปรับเปลี่ยนรหัสการฝึกอบรม LORA ใช้ ShareGpt Corpus และการปรับแต่งบนการ์ด 16G ซึ่งครอบครองหน่วยความจำ GPU ประมาณ 13 กรัม
•ระบบปฏิบัติการ: Centos หรือ Ubuntu
• NVIDA P100 หรือ T4: หน่วยความจำ GPU 16G หรือสูงกว่า
• Cuda, Conda
git clone https://github.com/git-cloner/llama-lora-fine-tuning
cd llama-lora-fine-tuningwget https://pkg-config.freedesktop.org/releases/pkg-config-0.29.2.tar.gz
tar -zxvf pkg-config-0.29.2.tar.gz
cd pkg-config-0.29.2
./configure --with-internal-glib
make -j4
make check
sudo make installwget https://mirrors.aliyun.com/blfs/conglomeration/icu/icu4c-73_1-src.tgz
tar xf icu4c-73_1-src.tgz
cd icu/source
./configure
make
make check
sudo make install
sudo ldconfigconda create -n llama-lora python=3.10
conda activate llama-lora
pip3 install -r requirements.txtคุณสามารถดาวน์โหลดโมเดลดั้งเดิมและแปลงเป็นครึ่งความแม่นยำหรือดาวน์โหลดโมเดลความแม่นยำครึ่งที่แปลงได้โดยตรงจาก https://huggingface.co/decapoda-research/llama-7b-hf
export GIT_TRACE=1
export GIT_CURL_VERBOSE=1
pip3 install git+https://github.com/juncongmoo/pyllama -i https://pypi.mirrors.ustc.edu.cn/simple --trusted-host=pypi.mirrors.ustc.edu.cn
python -m llama.download --model_size 7BCUDA_VISIBLE_DEVICES=1 python3 ./convert_llama_weights_to_hf.py --input_dir ./pyllama_data --model_size 7B --output_dir ./pyllama_data/output/7BDownload 52k ShareGPT: https: // huggingface.co/datasets/RyokoAI/ShareGPT52K
Other corpora refer to: https: // github.com/Zjh-819/LLMDataHub
Download sg_90k_part1.json and sg_90k_part2.json into the data directorypython3 fastchat/data/merge.py --in ./data/sg_90k_part1.json ./data/sg_90k_part2.json ./data/dummy_cn.json ./data/dummy_en.json --out ./data/sg_90k.jsonpython3 fastchat/data/clean_sharegpt.py --in ./data/sg_90k.json --out ./data/sharegpt_clean.jsonpython3 fastchat/data/optional_clean.py --in ./data/sharegpt_clean.json --out ./data/sharegpt_clean_1.json --skip-lang SOME_LANGUAGE_CODE
The values of SOME_LANGUAGE_CODE are as follows:
en - English
es - Spanish
fr - French
de - German
it - Italian
ja - Japanese
ko - Korean
zh - Chinese
ar - Arabic
ru - Russian
pt - Portuguese
nl - DutchCUDA_VISIBLE_DEVICES=1 python3 fastchat/data/split_long_conversation.py --in ./data/sharegpt_clean.json --out ./data/sharegpt_clean_split.json --model-name ./pyllama_data/output/7B # Disable wandb
wandb disabled
# In order to prevent the SSH terminal from disconnecting and stopping the training, the training can run in the background (remove the # in three places to run in the background)
# If you have multiple GPUs,using --num_gpus parameter
CUDA_VISIBLE_DEVICES=0,1 # nohup
deepspeed --num_gpus=2 fastchat/train/train_lora.py
--deepspeed ./deepspeed-config.json
--lora_r 8
--lora_alpha 16
--lora_dropout 0.05
--model_name_or_path ./pyllama_data/output/7B
--data_path ./data/sharegpt_clean_split.json
--fp16 True
--output_dir ./output
--num_train_epochs 1
--per_device_train_batch_size 14
--per_device_eval_batch_size 14
--gradient_accumulation_steps 1
--evaluation_strategy " no "
--save_strategy " steps "
--save_steps 2400
--save_total_limit 5
--learning_rate 2e-5
--weight_decay 0.
--warmup_ratio 0.03
--lr_scheduler_type " cosine "
--logging_steps 1
--model_max_length 512
--gradient_checkpointing True # >> lora.log 2>&1 &
# If running in the background, tail lora.log to check the training progress
tail -f lora.logการปรับแต่งที่ P100 (16G) มีหน่วยความจำ 13.5 กรัม ในกรณีของการฝึกอบรมรอบหนึ่งมันใช้เวลา 120 ชั่วโมงประมาณ 5 วันซึ่งยังคงใช้เวลานานมาก จะต้องมีการตรวจสอบผลกระทบของแบบจำลองที่เกิดขึ้น model_max_length จะส่งผลต่อเวลาการฝึกอบรม หากตั้งค่าเป็น 1024 เวลาจะลดลงครึ่งหนึ่งเมื่อเทียบกับ 2048 แต่จะส่งผลกระทบต่อผลการอนุมาน
ปรับแต่ง A100 เดี่ยวและใช้เวลาประมาณ 16 ชั่วโมง
deepspeed fastchat/train/train_lora.py
--deepspeed ./deepspeed-config.json
--lora_r 8
--lora_alpha 16
--lora_dropout 0.05
--model_name_or_path ./pyllama_data/output/7B
--data_path ./data/sharegpt_clean_split.json
--fp16 True
--output_dir ./output
--num_train_epochs 1
--per_device_train_batch_size 56
--per_device_eval_batch_size 56
--gradient_accumulation_steps 1
--evaluation_strategy " no "
--save_strategy " steps "
--save_steps 1200
--save_total_limit 5
--learning_rate 2e-5
--weight_decay 0.
--warmup_ratio 0.03
--lr_scheduler_type " cosine "
--logging_steps 1
--model_max_length 1024
--gradient_checkpointing Trueโมเดล Lora Peft ที่ผ่านการฝึกอบรมประกอบด้วย adapter_config.json, adapter_model.bin และ trainer_state.json ด้านล่างนี้เป็นโครงสร้างไฟล์ของ PEFT และรุ่น Llama ดั้งเดิม
model
───llama-peft
│ adapter_config.json
│ adapter_model.bin
│ trainer_state.json
│
└──llama_7b
config.json
generation_config.json
pytorch_model-00001-of-00002.bin
pytorch_model-00002-of-00002.bin
pytorch_model.bin.index.json
special_tokens_map.json
tokenizer.json
tokenizer.model
tokenizer_config.jsonCUDA_VISIBLE_DEVICES=0 python generate.py --base_model ./model/llama-7b --lora_weights ./model/llama-peft
