【Datawhale AI 夏令营】第四期基于2B源大模型微调-CSDN博客

本文链接：https://blog.csdn.net/HYY_2000/article/details/141403543

定位：代码复现贴
教程：https://datawhaler.feishu.cn/wiki/PLCHwQ8pai12rEkPzDqcufWKnDd

模型加载

model = AutoModelForCausalLM.from_pretrained(
    path, 
    device_map="auto", 
    torch_dtype=torch.bfloat16, 
    trust_remote_code=True
)

AutoModelForCausalLM.from_pretrained(path):
- 这是 transformers 库中的一种通用方法，用于从预训练模型路径（path）加载一个因果语言模型（Causal Language Model，CLM）。
- 因果语言模型是一种序列到序列的模型，通常用于生成任务，例如自动完成或文本生成。
device_map="auto":
- 该参数用于自动选择计算设备（如 GPU 或 CPU）来加载模型。设置为 "auto" 后，模型会根据可用资源自动映射到适当的设备。
torch_dtype=torch.bfloat16:
- 这将模型的计算精度设置为 bfloat16（一种 16 位浮点格式），这通常用于加速计算和减少显存占用，同时保持数值稳定性。
trust_remote_code=True:
- 这个参数表示信任远程代码，允许加载自定义模型结构。如果预训练模型所在的路径中包含自定义的模型定义文件（而不是标准的 transformers 库模型），这个选项允许这些自定义代码被执行。

输出的模型如下：
在这里插入图片描述

模型结构分析

Yuan 在 Transformer 的 Decoder 进行改进，引入了一种新的注意力机制 Localized Filtering-based Attention（LFA）

在这里插入图片描述

YuanForCausalLM:
- 这是一个自定义的因果语言模型类，可能来自于远程代码定义。该模型包含了实际的 YuanModel 和一个 lm_head（语言模型的输出头）。
YuanModel:
- 该模型是 YuanForCausalLM 的核心部分，包含嵌入层、多个解码器层（YuanDecoderLayer）、和一个归一化层。
embed_tokens:
- 这是词嵌入层，用于将输入的标记（tokens）转换为高维向量表示。这里的词表大小为 135040，每个标记被嵌入到一个 2048 维的向量空间中。
layers:
- 这是模型的主体，由 24 个 YuanDecoderLayer 组成，每个解码器层包含自注意力机制、MLP（多层感知器）层、和归一化层。
YuanAttention:
- 这是一个自注意力机制模块，包含了查询（q_proj）、键（k_proj）、值（v_proj）的线性投影，以及一个旋转嵌入（rotary_emb）和本地过滤模块（lf_gate）。
YuanMLP:
- 这是一个 MLP 层，包含了向上和向下的线性投影（up_proj 和 down_proj），以及一个激活函数 SiLU。
YuanRMSNorm:
- 这是一个归一化层，使用 RMSNorm（Root Mean Square Layer Normalization）来稳定训练过程。
lm_head:
- 这是模型的输出层，用于将解码器层的输出转换为预测的词概率分布。它是一个线性层，输入维度为 2048，输出维度为 135040（与词表大小一致）。

配置Lora

from peft import LoraConfig, TaskType, get_peft_model

config = LoraConfig(
    task_type=TaskType.CAUSAL_LM, 
    target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],
    inference_mode=False, # 训练模式
    r=8, # Lora 秩
    lora_alpha=32, # Lora alaph，具体作用参见 Lora 原理
    lora_dropout=0.1# Dropout 比例
)

我们输出config，可以观测到其中的完整配置选项。

LoraConfig(
    peft_type=<PeftType.LORA: 'LORA'>, 
    auto_mapping=None, 
    base_model_name_or_path=None, 
    revision=None, 
    task_type=<TaskType.CAUSAL_LM: 'CAUSAL_LM'>, 
    inference_mode=False, 
    r=8, 
    target_modules={'k_proj', 'down_proj', 'o_proj', 'up_proj', 'gate_proj', 'v_proj', 'q_proj'},
    lora_alpha=32, 
    lora_dropout=0.1, 
    fan_in_fan_out=False, 
    bias='none', 
    use_rslora=False, 
    modules_to_save=None, 
    init_lora_weights=True, 
    layers_to_transform=None, 
    layers_pattern=None, 
    rank_pattern={}, 
    alpha_pattern={}, 
    megatron_config=None, 
    megatron_core='megatron.core', 
    loftq_config={}, 
    use_dora=False, # <=== dora
    layer_replication=None, 
    runtime_config=LoraRuntimeConfig(ephemeral_gpu_offload=False))

没想到后面还有一个use_dora的选项，碰巧之前浏览过这块，可以分享一下：

DoRA

首先对预训练模型的权重进行分解，将每个权重矩阵分解为幅度（magnitude）向量和方向（direction）矩阵

在微调过程中，DoRA使用LoRA进行方向性更新，只调整方向部分的参数，而保持幅度部分不变。这种方式可以减少需要调整的参数数量，提高微调的效率。

在这里插入图片描述

后面，我们构建一个 PeftModel并且查看对应的训练参数量占比：

# 构建PeftModel
model = get_peft_model(model, config)
model.print_trainable_parameters()

输出如下：

trainable params: 9,043,968 || all params: 2,097,768,448 || trainable%: 0.4311

总参数量为 2,097,768,448（~ 21亿参数），使用LoRA后只需要微调的参数量为 9,043,968（~904万参数），约占总参数量的0.4311%

但是后面微调还是爆了，所以稍微去除一点不太重要的微调目标模块（个人观点），但是肯定会损耗微调性能的。

config = LoraConfig(
    task_type=TaskType.CAUSAL_LM, 
    target_modules=["q_proj", "k_proj", "v_proj"],
    inference_mode=False, # 训练模式
    r=4, # Lora 秩
    lora_alpha=32, # Lora alaph，具体作用参见 Lora 原理
    lora_dropout=0.1# Dropout 比例
)

后续输出微调的参数占比为：

trainable params: 2,359,296 || all params: 2,091,083,776 || trainable%: 0.1128

当然，也降低了批处理大小 (牺牲速度)：

# 设置训练参数
args = TrainingArguments(
    output_dir="./output/Yuan2.0-2B_lora_bf16",
    per_device_train_batch_size=6, # <===== 12
    gradient_accumulation_steps=1,
    logging_steps=1,
    save_strategy="epoch",
    num_train_epochs=3,
    learning_rate=5e-5,
    save_on_each_node=True,
    gradient_checkpointing=True,
    bf16=True
)