大模型三阶段训练方法(LLaMa Factory)：预训练、监督微调和偏好纠正

AI小白熊

于 2025-05-27 15:35:14 发布

阅读量1.1k

点赞数 32

文章标签： llama 大模型程序员 ai 转行人工智能产品经理

本文链接：https://blog.csdn.net/2401_85325726/article/details/148258684

版权

前言

本章我们将通过 LLaMA-Factory 具体实践大模型训练的三个阶段，包括：预训练、监督微调和偏好纠正。

大模型训练回顾

在这里插入图片描述

训练目标

训练一个医疗大模型

训练过程实施

准备训练框架

LLaMA Factory是一款开源低代码大模型微调框架，集成了业界最广泛使用的微调技术，支持通过Web UI界面零代码微调大模型，目前已经成为开源社区内最受欢迎的微调框架，GitHub星标超过2万。

运行环境要求

• 硬件：
• GPU：推荐使用24GB显存的显卡或者更高配置
• 软件：
• python：3.10
• pytorch：2.1.2 + cuda12.1
• 操作系统：Ubuntu 22.04

推荐选择DSW官方镜像：modelscope:1.14.0-pytorch2.1.2-gpu-py310-cu121-ubuntu22.04

下载训练框架

第一步：登录ModelScope平台，启动PAI-DSW的GPU环境，并进入容器。

第二步：在容器中，通过命令行拉取代码。

# 拉取代码  
git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git  
  
# 进入代码目录  
cd LLaMA-Factory  
  
# 安装依赖  
pip install -e ".[torch,metrics]"

第三步：检查环境是否安装成功。

llamafactory-cli version

正常安装成功显示如下：

如果安装不成功，需要根据提示信息进行逐个问题解决。

一般情况下，在ModelScope平台中，一般会出现Keras 版本不匹配的问题，可以运行pip install tf-keras解决。

第四步：进行端口映射命令由于阿里云平台的端口映射似乎存在问题，这会导致启动LLaMA Factory的Web界面显示异常，所以需要手动在命令行运行如下命令：

export GRADIO_SERVER_PORT=7860 GRADIO_ROOT_PATH=/${JUPYTER_NAME}/proxy/7860/

第五步：命令行下运行命令，启动WebUI界面

llamafactory-cli webui

启动后，点击返回信息中的http://0.0.0.0:7860，可以看到Web界面。

准备训练模型

选择模型

在开展大模型训练之前，由于我们不能从零开始训练一个大模型(时间及资源都不允许！)，所以我们需要选择一个已经训练好的模型，作为基础模型进行训练。

在ModelScope平台，我们选择Qwen2-0.5B模型作为底座模型。

下载模型

第一步：拉取代码

git clone https://www.modelscope.cn/qwen/Qwen2-0.5B.git

第二步：在LLaMA-Factory下创建models目录，方便后续模型都维护在该目录下。

第三步：移动模型目录到LLaMA-Factory的models目录下。

LLaMA-Factory/  
|-models/  
    |-Qwen2-0.5B/

验证模型

第一步：在LLaMA-Factory的WebUI界面，进行相关配置。

• Model name: Qwen2-0.5B
• Model path: models/Qwen2-0.5B

models/Qwen2-0.5B 对应 下载模型 第三步中的路径。由于Linux系统是大小写敏感，所以需要特别注意页面配置路径与实际路径大小写要保持一致。

第二步：切换Tab为 Chat ，点击 Load model按钮。模型加载成功后，会显示如下界面。

在这里插入图片描述

如果出现错误，可以通过切换到启动LLaMA Factory的命令行查看日志信息排查问题。

第三步：在Chat的对话框中，输入简单信息验证模型能否使用。

由于当前加载的Qwen2-0.5B是一个基础模型，所以其对话能力会非常弱，这里我们主要是验证模型加载的整体流程是否通顺。

在这里插入图片描述

第1阶段：预训练

❗由于大模型的预训练需要数千个GPU并持续数月的时间，所以一般情况下实际工作中并不会涉及到预训练，本篇文章我们只做的简单流程体验。

准备训练数据

说明：LLaMa-Factory的Github上有训练数据格式的详细说明，请见README_zh。

• 预训练数据格式：[ {"text": "document"}, {"text": "document"} ]
• 数据集样例：

按照数据集样例，我们准备如下的自定义预训练数据集，保存到data/custom_pt_train_data.json。

[  
  {"text":"患者在过去的五年中多次出现头痛症状。"},  
{"text":"研究表明，适量运动有助于改善心血管健康。"},  
{"text":"高血压患者需定期监测血压水平。"},  
{"text":"糖尿病患者应注意饮食控制和胰岛素使用。"},  
{"text":"流感疫苗每年接种可以有效预防流感。"},  
{"text":"保持良好的睡眠习惯对心理健康至关重要。"},  
{"text":"慢性咳嗽可能是肺部疾病的早期征兆。"},  
{"text":"定期体检可以帮助早期发现健康问题。"},  
{"text":"心理咨询对缓解焦虑和抑郁症状有效。"},  
{"text":"饮食中增加纤维素有助于消化系统健康。"},  
{"text":"适量饮水对维持身体正常功能非常重要。"},  
{"text":"戒烟可以显著降低患肺癌的风险。"},  
{"text":"高胆固醇水平可能导致心脏病。"},  
{"text":"保持健康体重有助于降低多种疾病风险。"},  
{"text":"心理健康与身体健康密切相关。"},  
{"text":"儿童应定期进行视力和听力检查。"},  
{"text":"老年人易患骨质疏松症，需注意补钙。"},  
{"text":"过度饮酒会对肝脏造成严重损害。"},  
{"text":"心脏病患者应遵循医生的治疗方案。"},  
{"text":"良好的饮食习惯可以改善生活质量。"},  
{"text":"运动可以帮助减少压力和焦虑。"},  
{"text":"戒烟后，肺部功能会逐渐恢复。"},  
{"text":"高血糖可能导致多种并发症。"},  
{"text":"定期锻炼有助于提高免疫力。"},  
{"text":"适量的社交活动可以提高生活满意度。"},  
{"text":"健康的生活习惯可以改善整体健康状况。"},  
{"text":"心理健康教育应引起全社会的重视。"}  
]

注册自定义数据

根据LLaMa-Factory的README，我们需要在dataset_info.json中按照以下格式注册自定义的数据集。

• 数据集注册格式："数据集名称": { "file_name": "data.json", "columns": { "prompt": "text" } }

我们在data/dataset_info.json中添加如下数据集：

"custom_pt_train_data": {  
  "file_name": "custom_pt_train_data.json",  
  "columns": {  
    "prompt": "text"  
  }  
}

预览训练数据

在 LLaMa-Factory的WebUI界面上，选择Dataset为 custom_pt_train_data，点击Preview dataset按钮，预览数据集。

配置训练参数

• Model name: Qwen2-0.5B
• Model path: models/Qwen2-0.5B
• Finetuning method: full
• Stage : Pre-Training
• Dataset: custom_pt_train_data , c4_demo, wikipedia_zh
• Output dir: Qwen2_pretrain_output_demo1

参数简要说明：

• Finetuning method代表微调的方法：
• full: 完全微调模型的所有参数。
• Freeze：冻结模型的某些层或所有层，仅微调特定的参数。
• LoRA (Low-Rank Adaptation):在不改变原始模型参数的情况下，通过添加少量的可训练参数来适应新任务。
• Stage 代表训练的阶段：
• Pre-Training: 预训练阶段。
• Supervised Fine-Tuning: 微调阶段。
• Reward Model: 奖励模型是一个过程，通过构建一个模型来预测给定输入的奖励值，通过训练奖励模型，可以为后续的强化学习提供一个目标。
• PPO (Proximal Policy Optimization): PPO是一种强化学习算法，旨在优化策略（即模型的行为），以最大化预期奖励。
• DPO (Direct Preference Optimization): DPO是一种直接优化偏好的方法，通常用于根据人类反馈直接调整模型的输出。
• KTO (Knowledge Transfer Optimization): KTO指的是知识迁移优化，旨在从一个任务或模型中迁移知识到另一个任务或模型。

启动训练

点击Preview Command预览命令行无误后，点击Start即可开启训练。

如果启动训练失败，可以通过切换到启动LLaMA Factory的命令行查看日志信息排查问题。例如：我首次启动时报错如下：

# ConnectionError: Couldn&#039;t reach &#039;pleisto/wikipedia-cn-20230720-filtered&#039; on the Hub (ConnectionError)

这个问题是因为加载wikipedia-cn-20230720-filtered数据集时，由于网络问题，导致无法加载。因此，本着将训练流程跑通，我将数据集改为wiki_demo后运行，即可正常训练。

正常训练过程：

第2阶段：监督微调

准备训练数据

SFT 的数据格式有多种，例如：Alpaca格式、OpenAI格式等。

其中Alpaca格式如下：

[  
  {  
"instruction":"human instruction (required)",  
"input":"human input (optional)",  
"output":"model response (required)",  
"system":"system prompt (optional)",  
"history":[  
["human instruction in the first round (optional)","model response in the first round (optional)"],  
["human instruction in the second round (optional)","model response in the second round (optional)"]  
]  
}  
]

根据以上的数据格式，我们在ModelScope的数据集找到中文医疗对话数据-Chinese-medical-dialogue符合上述格式。

# 在data目录下使用git命令拉取数据集  
git clone https://www.modelscope.cn/datasets/xiaofengalg/Chinese-medical-dialogue.git

注册自定义数据

在dataset_info.json中添加如下数据集：

  "custom_sft_train_data":{  
"file_name":"Chinese-medical-dialogue/data/train_0001_of_0001.json",  
"columns":{  
"prompt":"instruction",  
"query":"input",  
"response":"output"  
}  
},

预览训练数据

通过Preview dataset按钮预览数据集。

配置训练参数

• Model name: Qwen2-0.5B
• Model path: saves/Qwen2-0.5B/full/Qwen2_pretrain_output_demo1
• Finetuning method: full
• Stage : Supervised Fine-Tuning
• Dataset: custom_sft_train_data
• Output dir: Qwen2_sft_output_demo1

配置参数说明：

• Model path：我们选择第1阶段预训练模型的输出目录。
• Stage：这一阶段，因为我们要进行微调，选择Supervised Fine-Tuning。
• Output dir: 更换一个新的输出路径，以便后续开展第3阶段训练，例如：Qwen2_sft_output_demo1

启动训练

点击Preview Command预览命令行

llamafactory-cli train   
--stage sft   
--do_train True  
--model_name_or_path saves/Qwen2-0.5B/full/Qwen2_pretrain_output_demo1  
--preprocessing_num_workers 16  
--finetuning_type full   
--template default   
--flash_attn auto   
--dataset_dir data   
--dataset custom_sft_train_data   
--cutoff_len 1024  
--learning_rate 5e-05  
--num_train_epochs 3.0  
--max_samples 100000  
--per_device_train_batch_size 2  
--gradient_accumulation_steps 8  
--lr_scheduler_type cosine   
--max_grad_norm 1.0  
--logging_steps 5  
--save_steps 100  
--warmup_steps 0  
--optim adamw_torch   
--packing False  
--report_to none   
--output_dir saves/Qwen2-0.5B/full/Qwen2_sft_output_demo1  
--bf16 True  
--plot_loss True  
--ddp_timeout 180000000  
--include_num_input_tokens_seen True

补充说明：

• --logging_steps 5: 每 5 步记录一次训练日志。
• --save_steps 100: 每 100 步保存一次模型检查点。

这里最好将save_steps 设置大一点，否则训练过程会生成非常多的训练日志，导致硬盘空间不足而训练终止。

命令行确认无误后，点击Start即可开启训练。

训练过程中，记得实时关注资源的消耗情况：

• 显存：使用watch -n 1 nvidia-smi 实时查看显存开销。

• 硬盘：使用watch -n 1 df -h /mnt 实施查看/mnt分区的磁盘使用情况。

历时5小时30分钟后，模型终于训练完毕。（大模型的训练果然是一个烧钱💰的过程）

验证模型

1. 在LLaMA Factory的WebUI界面上，切换至Chat界面
1. Model path: 输入刚才训练模型的输出目录，即saves/Qwen2-0.5B/full/Qwen2_sft_output_demo1
1. 其他配置保持默认不变；
1. 点击Load model，待模型加载成功后，输入看病相关的信息，测试模型的能力。

第3阶段：偏好纠正

准备训练数据

• 纠正偏好数据格式：[ { "instruction": "human instruction (required)", "input": "human input (optional)", "chosen": "chosen answer (required)", "rejected": "rejected answer (required)" } ]按照上述数据格式，我们借助其他的大模型生成20条训练数据并保存到data/custom_rlhf_train_data.json。[ { "instruction":"请提供一种常见的感冒药。", "input":"我需要一种能缓解咳嗽的药。", "chosen":"感冒药如对乙酰氨基酚可以缓解症状。", "rejected":"我不知道有什么药。" }, { "instruction":"解释一下高血压的危害。", "input":"高血压对身体有什么影响？", "chosen":"高血压会增加心脏病和中风的风险。", "rejected":"高血压没什么大不了的。" }, { "instruction":"推荐一种健康的饮食习惯。", "input":"我想减肥，应该吃什么？", "chosen":"建议多吃水果和蔬菜，减少糖分摄入。", "rejected":"只吃沙拉就可以了。" }, { "instruction":"描述糖尿病的症状。", "input":"糖尿病有什么明显的症状？", "chosen":"常见症状包括口渴、频繁排尿和疲劳。", "rejected":"没有什么特别的症状。" }, { "instruction":"如何预防流感？", "input":"我应该怎么做才能不得流感？", "chosen":"接种流感疫苗和勤洗手是有效的预防措施。", "rejected":"只要不出门就行了。" }, { "instruction":"解释一下心脏病的风险因素。", "input":"心脏病的危险因素有哪些？", "chosen":"包括高血压、高胆固醇和吸烟。", "rejected":"心脏病与生活方式无关。" }, { "instruction":"如何缓解焦虑？", "input":"我感到很焦虑，有什么建议？", "chosen":"尝试深呼吸练习和规律锻炼。", "rejected":"焦虑没什么好担心的。" }, { "instruction":"推荐一些适合老年人的锻炼方式。", "input":"老年人适合什么运动？", "chosen":"散步、游泳和太极都是很好的选择。", "rejected":"老年人不需要运动。" }, { "instruction":"解释什么是过敏反应。", "input":"过敏反应是什么？", "chosen":"是免疫系统对某些物质的异常反应。", "rejected":"过敏反应就是感冒。" }, { "instruction":"如何保持心理健康？", "input":"我应该怎么照顾自己的心理健康？", "chosen":"定期与朋友交流和寻求专业帮助是很重要的。", "rejected":"心理健康不重要。" }, { "instruction":"描述高胆固醇的影响。", "input":"高胆固醇对身体有什么影响？", "chosen":"可能导致动脉硬化和心脏病。", "rejected":"高胆固醇没什么影响。" }, { "instruction":"如何识别抑郁症？", "input":"抑郁症的症状有哪些？", "chosen":"包括持续的悲伤、失去兴趣和疲惫感。", "rejected":"抑郁只是心情不好。" }, { "instruction":"建议如何提高免疫力。", "input":"我想增强免疫力，有什么建议？", "chosen":"保持均衡饮食、充足睡眠和适量运动。", "rejected":"吃药就能提高免疫力。" }, { "instruction":"讲解什么是癌症筛查。", "input":"癌症筛查是什么？", "chosen":"是通过检测早期发现癌症的过程。", "rejected":"癌症筛查没必要。" }, { "instruction":"如何处理压力？", "input":"我压力很大，怎么办？", "chosen":"可以尝试冥想和时间管理技巧。", "rejected":"压力是正常的，不必处理。" }, { "instruction":"解释什么是肥胖。", "input":"肥胖是什么？", "chosen":"是体重超过健康范围的状态，通常由多种因素造成。", "rejected":"肥胖只是吃得多。" }, { "instruction":"如何进行健康检查？", "input":"健康检查包括什么？", "chosen":"通常包括体检、血液检查和必要的影像学检查。", "rejected":"健康检查不重要。" }, { "instruction":"推荐一些抗氧化的食物。", "input":"哪些食物富含抗氧化剂？", "chosen":"蓝莓、坚果和绿茶都是很好的选择。", "rejected":"抗氧化食物没什么特别。" }, { "instruction":"解释什么是慢性病。", "input":"慢性病是什么？", "chosen":"是长期存在且通常无法完全治愈的疾病。", "rejected":"慢性病就是普通病。" } ]

注册自定义数据

在dataset_info.json中，注册新添加的custom_rlhf_train_data.json数据集。

  "custom_rlhf_train_data":{  
"file_name":"custom_rlhf_train_data.json",  
"ranking":true,  
"columns":{  
"prompt":"instruction",  
"query":"input",  
"chosen":"chosen",  
"rejected":"rejected"  
}  
},