大模型入门: 基于peft 微调 LLaMa模型

llama-7b模型大小大约27G，本文在单张/两张 16G V100上基于hugging face的peft库实现了llama-7b的微调。

1、模型和数据准备

使用的大模型：https://huggingface.co/decapoda-research/llama-7b-hf，已经是float16的模型。

微调数据集：
https://github.com/LC1332/Chinese-alpaca-lora/blob/main/data/trans_chinese_alpaca_data.json

微调的代码已上传到:
github：https://github.com/jiangxinyang227/LLM-tuning/tree/master/llama_tuning

2、微调技巧

1）lora微调。float16的模型刚刚好存放在16G的GPU上，没有太多显存用于存放梯度、优化器等参数，因此在这里使用lora微调部分参数。

2）混合精度训练，因为llama-7b有27g，想在单张V100上加载就需要转换成float16才行，而lora参数用的是float32，需要使用混合精度训练。同时混合精度训练也会有所加速。

3）梯度累积，单张gpu在存放完模型参数，lora参数、梯度、优化器等参数之后只剩下很少的显存给到输入输出等中间变量，经测试单张V100的极限大致是batch size=1，sequence length=200，只能使用梯度累积实现mini-batch训练。

4）当有多张卡时，可以使用数据并行、模型并行等方法微调，数据并行只是将模型复制到每张GPU上，因此单张GPU的batch size仍然只能是1，模型并行会将模型均分到每个GPU上，可以增大每张GPU上的batch size，在2张V100上测试了ddp（数据并行）和 基于zero-3 + cpu offload（数据并行+模型并行+CPU）。

3、要注意的代码讲解

3.1 data_helper.py

data_helper.py中主要注意下tokenizer()函数，一是padding是在左边padding，和我们通常的右边padding不太一样；二是labels中的pad_id=-100，因为pytorch中label=-100时不参与loss的计算。

def tokenize(self, prompt, add\_eos\_token=True):
        # there's probably a way to do this with the tokenizer settings
        # but again, gotta move fast
        result = self.tokenizer(
            prompt,
            truncation\=True,
            max\_length\=self.sequence\_len,
            padding\=False,
            return\_tensors\=None
        )
        input\_ids, attention\_mask, labels \= \[\], \[\], \[\]
        if (
            result\["input\_ids"\]\[-1\] != self.eos\_token\_id
            and len(result\["input\_ids"\]) < self.sequence\_len
            and add\_eos\_token
        ):
            result\["input\_ids"\].append(self.eos\_token\_id)
            result\["attention\_mask"\].append(1)
        
        pad\_len \= self.sequence\_len - len(result\["input\_ids"\])
        if pad\_len <= 0:
            input\_ids \= result\["input\_ids"\]\[:self.sequence\_len\]
            attention\_mask \= result\["attention\_mask"\]\[:self.sequence\_len\]
            labels \= input\_ids.copy()
        else:
            input\_ids \= \[self.pad\_token\_id\] \* pad\_len + result\["input\_ids"\]
            attention\_mask \= \[0\] \* pad\_len + result\["attention\_mask"\]
            labels \= \[self.label\_pad\_token\_id\] \* pad\_len + result\["input\_ids"\]
            
        return input\_ids, attention\_mask, labels

3.2 metric.py

在指标计算中只实现了准确率，在这里要注意的是生成任务是前n-1个token生成第n个token，因此这里的预测结果和label要做一次不同的移位，即

pred_y = pred_y[:-1]

true_y = true_y[1:]

只要注意这里就好了，剩下的你需要计算什么指标都可以。

def accuracy(pred\_ys, true\_ys, masks):
    total \= 0
    corr \= 0

    for pred\_y, true\_y, mask in zip(pred\_ys, true\_ys, masks):
        # 做一层转换，让生成的结果对应上预测的结果，即前n-1个token预测第n个token
        pred\_y = pred\_y\[:-1\]
        true\_y \= true\_y\[1:\]
        mask \= mask\[:-1\]
        
        for p, t, m in zip(pred\_y, true\_y, mask):
            if m == 1:
                total += 1
                if p == t:
                    corr += 1
    
    return corr / total if total > 0 else 0

4、训练方式

4.1 单GPU训练

单GPU训练很好理解，训练的时候只要注意下面的一段代码即可，混合精度训练+梯度累积

                with autocast(): 
                    loss, predictions \= self.model(input\_ids, attention\_mask, labels)

                # 梯度累积训练
                loss /= self.accu\_steps
                # loss.backward()

                # 放大loss，并求梯度
                scaled\_loss = self.scaler.scale(loss)
                scaled\_loss.backward()

                if current\_step % self.accu\_steps == 0:
                    # 先将梯度缩放回去，再执行梯度裁剪
                    self.scaler.unscale\_(self.optimizer)

                    clip\_grad\_norm\_(self.model.parameters(), 1.0)

                    self.scaler.step(self.optimizer)

                    self.scheduler.step()
                    self.scaler.update()
                    self.optimizer.zero\_grad()

4.2 多GPU + DDP训练

DDP训练也是大家最常用的方法，尤其是在模型没那么大的情况下，DDP训练就是主流，就不多赘述，在这里值得注意的是，每个GPU会分担一部分数据，在验证的时候如果需要拿到全部数据的验证结果并输出时，需要通过dist.all_gather 或者 dist.gather的方法将验证集的结果聚合到一块。详细代码见https://github.com/jiangxinyang227/LLM-tuning/blob/master/llama_tuning/lora_ddp/trainer.py

def eval(self):
        self.model.eval()
        with torch.no\_grad():
            eval\_losses \= \[\]
            eval\_word\_preds \= \[\]
            eval\_word\_labels \= \[\]
            eval\_masks \= \[\]
            for batch\_data in self.valid\_data\_loader:
                input\_ids \= batch\_data\[0\].cuda()
                attention\_mask \= batch\_data\[1\].cuda()
                labels \= batch\_data\[2\].cuda()

                with autocast():
                    loss, predictions \= self.model(input\_ids, attention\_mask, labels)

                # 获取所有gpu上输出的数据
                avg\_loss\_multi\_gpu = reduce\_value(loss, average=True)
                gather\_preds \= \[torch.zeros\_like(predictions, dtype=predictions.dtype) for \_ in range(Config.world\_size)\]
                gather\_labels \= \[torch.zeros\_like(labels, dtype=labels.dtype) for \_ in range(Config.world\_size)\]
                gather\_masks \= \[torch.zeros\_like(attention\_mask, dtype=attention\_mask.dtype) for \_ in range(Config.world\_size)\]
                gather\_value(predictions, gather\_preds)
                gather\_value(labels, gather\_labels)
                gather\_value(attention\_mask, gather\_masks)

                eval\_losses.append(float(avg\_loss\_multi\_gpu))
                for pred, label, mask in zip(gather\_preds, gather\_labels, gather\_masks):
                    eval\_word\_preds.extend(pred.tolist())
                    eval\_word\_labels.extend(label.tolist())
                    eval\_masks.extend(mask.tolist())
            
            if is\_main\_process():
                acc \= accuracy(pred\_ys=eval\_word\_preds, true\_ys=eval\_word\_labels, masks=eval\_masks)

                logger.info("\\n")
                logger.info("eval: num: {},  loss: {}, acc: {}".format(
                    len(eval\_word\_preds), mean(eval\_losses), acc))
                logger.info("\\n")

4.3 deepspeed的zero-3 + cpu offload

在这里使用的是hugging face的accelerate库中的deepspeed方法，zero-3会将模型、梯度、优化器参数都分割到不同的GPU，并且使用cpu offload将一些中间变量放到cpu上，经实测使用两张GPU时，每张GPU的使用大概5个G多一点，单张卡的batch size可以设置到8，但是在实际训练过程中速度比DDP还要慢一点，这里的原因还是因为模型并行、CPU offload等带来了大量的通信工作，所以单张gpu能存放一整个模型时还是首推DDP。

使用accelerate中的deepspeed时，首先要通过accelerate config这个命令互动式配置训练参数，以下是我在配置时选择的参数

在使用deepspeed时可以通过json文件去配置其他参数，accelerate config只配置一些通用参数。zero-3 + cpu offload的json文件如下，配置的时候有几个参数（如allgather_bucket_size 和 reduce_bucket_size）要设小一点，不然显存会爆掉，默认的值会比较大，主要是V100太小了。

{
    "fp16": {
        "enabled": true,
        "loss\_scale": 0,
        "loss\_scale\_window": 1000,
        "initial\_scale\_power": 16,
        "hysteresis": 2,
        "min\_loss\_scale": 1
    },
    "optimizer": {
        "type": "AdamW",
        "params": {
            "lr": 3e-4,
            "weight\_decay": 0.0
        }
    },
    "scheduler": {
        "type": "WarmupDecayLR",
        "params": {
            "warmup\_min\_lr": "auto",
            "warmup\_max\_lr": "auto",
            "warmup\_num\_steps": "auto",
            "total\_num\_steps": "auto"
        }
    },
    "zero\_optimization": {
        "stage": 3,
        "offload\_optimizer": {
            "device": "cpu",
            "pin\_memory": true
        },
        "offload\_param": {
            "device": "cpu",
            "pin\_memory": true
        },
        "overlap\_comm": true,
        "contiguous\_gradients": true,
        "allgather\_bucket\_size": 1e6,  # 参数要小，不然容易内存爆掉
        "reduce\_bucket\_size": 1e6,  # 参数要小，不然容易内存爆掉
        "stage3\_prefetch\_bucket\_size": 1e6,  # 参数要小，不然容易内存爆掉
        "stage3\_param\_persistence\_threshold": 1e6,  # 参数要小，不然容易内存爆掉
        "sub\_group\_size": 1e9,
        "stage3\_max\_live\_parameters": 1e9,
        "stage3\_max\_reuse\_distance": 1e9,
        "stage3\_gather\_16bit\_weights\_on\_model\_save": true
    },
    "gradient\_accumulation\_steps": 1,
    "gradient\_clipping": 1.0,
    "steps\_per\_print": 2000,
    "train\_batch\_size": "auto",
    "train\_micro\_batch\_size\_per\_gpu": "auto",
    "wall\_clock\_breakdown": false
}

在使用的时候有一个问题一直没有解决，保存模型时，保存完之后会出现GPU1掉线的情况，所以在这里将保存模型放在整个训练结束后保存，这个问题还没找到解决的办法，有知道怎么解的还麻烦指导下。

如果在运行时报这样的错误的话：

Traceback (most recent call last):
  File "/mnt/workspace/project/llm/local\_proj/chatglm\_tune/lora\_deepspeed/trainer.py", line 271, in <module>
    main()
  File "/mnt/workspace/project/llm/local\_proj/chatglm\_tune/lora\_deepspeed/trainer.py", line 265, in main
    trainer \= Trainer()
  File "/mnt/workspace/project/llm/local\_proj/chatglm\_tune/lora\_deepspeed/trainer.py", line 93, in \_\_init\_\_
    self.model, self.optimizer, self.train\_data\_loader, self.valid\_data\_loader, self.scheduler \= self.accelerator.prepare(
  File "/home/pai/lib/python3.9/site-packages/accelerate/accelerator.py", line 1118, in prepare
    result \= self.\_prepare\_deepspeed(\*args)
  File "/home/pai/lib/python3.9/site-packages/accelerate/accelerator.py", line 1415, in \_prepare\_deepspeed
    engine, optimizer, \_, lr\_scheduler \= deepspeed.initialize(\*\*kwargs)
  File "/home/pai/lib/python3.9/site-packages/deepspeed/\_\_init\_\_.py", line 165, in initialize
    engine \= DeepSpeedEngine(args=args,
  File "/home/pai/lib/python3.9/site-packages/deepspeed/runtime/engine.py", line 308, in \_\_init\_\_
    self.\_configure\_optimizer(optimizer, model\_parameters)
  File "/home/pai/lib/python3.9/site-packages/deepspeed/runtime/engine.py", line 1173, in \_configure\_optimizer
    self.optimizer \= self.\_configure\_zero\_optimizer(basic\_optimizer)
  File "/home/pai/lib/python3.9/site-packages/deepspeed/runtime/engine.py", line 1463, in \_configure\_zero\_optimizer
    optimizer \= DeepSpeedZeroOptimizer\_Stage3(
  File "/home/pai/lib/python3.9/site-packages/deepspeed/runtime/zero/stage3.py", line 298, in \_\_init\_\_
    largest\_partitioned\_param\_numel \= max(\[
  File "/home/pai/lib/python3.9/site-packages/deepspeed/runtime/zero/stage3.py", line 299, in <listcomp>
    max(\[max(tensor.numel(), tensor.ds\_numel) for tensor in fp16\_partitioned\_group\])
ValueError: max() arg is an empty sequence

具体原因不知道为什么会导致这样，可以进入到/home/pai/lib/python3.9/site-packages/deepspeed/runtime/zero/stage3.py（具体的路径看报错的日志）文件中，将

largest\_partitioned\_param\_numel = max(\[
            max(\[max(tensor.numel(), tensor.ds\_numel) for tensor in fp16\_partitioned\_group\])
            for fp16\_partitioned\_group in self.fp16\_partitioned\_groups
        \])

改成

largest\_partitioned\_param\_numel = max(\[
            max(\[max(tensor.numel(), tensor.ds\_numel) for tensor in fp16\_partitioned\_group\])
            for fp16\_partitioned\_group in self.fp16\_partitioned\_groups if len (fp16\_partitioned\_group) > 0
        \])

即可运行。

---

最后分享

免费分享：全套的AI大模型学习资源，包括 2024最新版全套大模型学习路线图，学习文档、书籍、学习视频教程、面试题等！带大家快速高效的从基础到高级！ 【有需要的小伙伴可以点击下方链接哦~】

• AI大模型入门基础教程学习指南，带你从入门到进阶
• 2024最新版全套大模型学习路线图（完整版）
• AI大模型时代下，初学者该怎么才能快速入门？

如有侵权，请联系删除。