我要投稿

基于LLaMA-Factory微调Llama3

发布日期：2024-05-12 23:14:24 浏览次数： 3212

作者：是海潮音

微信搜一搜，关注“是海潮音”

本文简要介绍下基于LLaMA-Factory的llama3 8B模型的微调过程

环境配置

# 1. 安装py3.10虚拟环境
conda create -n py3.10-torch2.2 python=3.10
source activate
conda activate py3.10-torch2.2

# 2. 安装cuda12.2 gpu版torch2.2
conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=12.1 -c pytorch -c nvidia

模型文件下载

基于Modelscope

https://modelscope.cn/models/LLM-Research/Meta-Llama-3-8B/files

# git
git clone https://www.modelscope.cn/LLM-Research/Meta-Llama-3-8B.git

基于Huggingface

https://huggingface.co/meta-llama/Meta-Llama-3-8B
# git
git clone https://huggingface.co/meta-llama/Meta-Llama-3-8B

下载模型文件完成后本地运行，注意官方example运行使用的是original中的模型文件，即*.pth，而不是*.safetensors

# 官方demo
torchrun --nproc_per_node 1 example_text_completion.py --ckpt_dir Meta-Llama-3-8B/original/ --tokenizer_path Meta-Llama-3-8B/original/tokenizer.model --max_seq_len 512 --max_batch_size 6

torchrun --nproc_per_node 1 example_chat_completion.py --ckpt_dir Meta-Llama-3-8B-Instruct/original/ --tokenizer_path Meta-Llama-3-8B-Instruct/original/tokenizer.model --max_seq_len 512 --max_batch_size 6

也可使用transformers库运行本地大模型

# run_llama3_demo.py
from transformers import AutoModelForCausalLM, AutoTokenizer
device = "cuda" 
model_dir = "/home/your_name/llama3/llama3/Meta-Llama-3-8B-Instruct"

model = AutoModelForCausalLM.from_pretrained(
    model_dir,
    torch_dtype="auto",
    device_map="auto"
)

# 加载与模型相匹配的分词器。分词器用于将文本转换成模型能够理解和处理的格式。
tokenizer = AutoTokenizer.from_pretrained(model_dir)
# 加载与模型相匹配的分词器。分词器用于将文本转换成模型能够理解和处理的格式
prompt = "你好，请介绍下你自己。"
messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": prompt}
]

# 使用分词器的 apply_chat_template 方法将上面定义的消息列表转换为一个格式化的字符串，适合输入到模型中。
# tokenize=False 表示此时不进行令牌化，add_generation_prompt=True 添加生成提示。
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)

# 将处理后的文本令牌化并转换为模型输入张量，然后将这些张量移至之前定义的设备（GPU）上。
model_inputs = tokenizer([text], return_tensors="pt").to(device)
generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

运行中占用存储约17G

LLaMA-Factory下载

https://github.com/hiyouga/LLaMA-Factory

详细过程可以参考

如何使用LLaMA Factory 微调Qwen1.5

升级pip

升级到24.0版本

export PIP_REQUIRE_VIRTUALENV=false
python -m pip install --upgrade pip

安装依赖

cd LLaMA-Factory
pip install -e .[metrics]
# or
pip install -r requirements.txt --index-url https://mirrors.huaweicloud.com/repository/pypi/simple

基于LLaMA-Factory微调Llama3

这里以微调中文为例：

Step 1. 查看微调中文数据集数据字典

cd /home/your_name/LLaMA-Factory/data
cat dataset_info.json

这里我们使用alpaca_zh, alpaca_data_zh_51k.json数据

Step 2. 使用中文数据

head alpaca_data_zh_51k.json

Step 3. 创建微调脚本

创建微调脚本

单卡微调template

# single_lora_llama3.sh

#!/bin/bash
export CUDA_DEVICE_MAX_CONNECTIONS=1
export NCCL_P2P_DISABLE="1"
export NCCL_IB_DISABLE="1"

# 添加 --quantization_bit 4 就是4bit量化的QLoRA微调，不添加此参数就是LoRA微调 \
CUDA_VISIBLE_DEVICES=0 python src/train_bash.py \   ## 单卡运行
  --stage sft \                                     ## --stage pt （预训练模式）  --stage sft（指令监督模式）    --stage rm（奖励模型）
  --do_train True \                                 ## 执行训练模型
  --model_name_or_path /your model path/Meta-Llama-3-8B-Instruct \     ## 模型的存储路径
  --dataset alpaca_zh \                             ## 训练数据的存储路径，存放在 LLaMA-Factory/data路径下
  --template llama3 \                               ## 选择llama factory支持的模版
  --lora_target q_proj,v_proj \                     ## 默认模块应作为
  --output_dir /save output model/single_lora_llama3_checkpoint \        ## 微调后的模型保存路径
  --overwrite_cache \                               ## 是否忽略并覆盖已存在的缓存数据
  --per_device_train_batch_size 2 \                 ## 用于训练的批处理大小。可根据 GPU 显存大小自行设置。
  --gradient_accumulation_steps 64 \                 ##  梯度累加次数
  --lr_scheduler_type cosine \                      ## 指定学习率调度器的类型
  --logging_steps 5 \                               ## 指定了每隔多少训练步骤记录一次日志。这包括损失、学习率以及其他重要的训练指标，有助于监控训练过程。
  --save_steps 100 \                                ## 每隔多少训练步骤保存一次模型。这是模型保存和检查点创建的频率，允许你在训练过程中定期保存模型的状态
  --learning_rate 5e-5 \                            ## 学习率
  --num_train_epochs 1.0 \                          ## 指定了训练过程将遍历整个数据集的次数。一个epoch表示模型已经看过一次所有的训练数据。
  --finetuning_type lora \                          ## 参数指定了微调的类型，lora代表使用LoRA（Low-Rank Adaptation）技术进行微调。
  --fp16 \                                          ## 开启半精度浮点数训练
  --lora_rank 4 \                                   ## 在使用LoRA微调时设置LoRA适应层的秩。

Step 4. 运行微调脚本，获取模型微调权重

# 对齐格式
sed -i 's/\r$//' ./single_lora_llama3.sh
# 修改文件权限
chmod +x ./single_lora_llama3.sh
# 运行微调脚本
./single_lora_llama3.sh

开始微调

微调完成耗时44分钟

微调完成后文件出现

Step 5. 合并模型权重，获得微调模型

合并模型权重脚本
Merge template

# llama3_merge_model.sh

#!/bin/bash
python src/export_model.py \               ## 用于执行合并功能的Python代码文件
  --model_name_or_path /your_src_model/Meta-Llama-3-8B-Instruct \  ## 原始模型文件
  --adapter_name_or_path /your_lora_model/single_lora_llama3_checkpoint \                ## 微调模型权重文件
  --template llama3 \                        ## 模型模板名称
  --finetuning_type lora \                 ## 微调框架名称
  --export_dir  /output_model/llama3_lora \                          ## 合并后新模型文件位置
  --export_size 2 \
  --export_legacy_format false

合并模型

sed -i 's/\r$//' ./llama3_merge_model.sh
chmod +x ./llama3_merge_model.sh
./llama3_merge_model.sh

开始合并

合并完成

Step 6. 测试微调效果

# test_llama3_lora.py

llama3_lora = '/home/your_name/llama3/llama3_lora'
from transformers import AutoModelForCausalLM, AutoTokenizer
device = "cuda" # the device to load the model onto

model = AutoModelForCausalLM.from_pretrained(
    llama3_lora,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(llama3_lora)
prompt = "请介绍下你自己"
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)
generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)