llama2 lora fine tuning

用Lora和deepspeed微調LLaMA2-Chat

在兩塊P100（16G）上微調Llama-2-7b-chat模型。

數據源採用了alpaca格式，由train和validation兩個數據源組成。

1、顯卡要求

16G顯存及以上（P100或T4及以上），一塊或多塊。

2、Clone源碼

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

3、安裝依賴環境

 # 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、下載原始模型

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

5、擴充中文詞表

 # 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、微調參數說明

有以下幾個參數可以調整：

參數	說明	取值
load_in_bits	模型精度	4和8，如果顯存不溢出，盡量選高精度8
block_size	token最大長度	首選2048，內存溢出，可選1024、512等
per_device_train_batch_size	訓練時每塊卡每次裝入批量數	只要內存不溢出，盡量往大選
per_device_eval_batch_size	評估時每塊卡每次裝入批量數	只要內存不溢出，盡量往大選
include	使用的顯卡序列	如兩塊：localhost:1,2（特別注意的是，序列與nvidia-smi看到的不一定一樣）
num_train_epochs	訓練輪數	至少3輪

7、微調

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、測試

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