unsloth微调QwQ32B(4bit)

最新推荐文章于 2025-04-01 17:43:42 发布

亲持红叶

最新推荐文章于 2025-04-01 17:43:42 发布

阅读量1.2k

点赞数 24

分类专栏： LLM相关大模型微调文章标签： usloth

本文链接：https://blog.csdn.net/hbkybkzw/article/details/146463018

版权

LLM相关同时被 2 个专栏收录

15 篇文章

订阅专栏

大模型微调

3 篇文章

订阅专栏

unsloth微调QwQ32B(4bit)

GPU: 3090 24G

unsloth安装部署

pip 安装

pip install unsloth --index https://pypi.mirrors.usrc.edu.cn/simple

source /etc/network_turbo

pip install --force-reinstall --no-cache-dir --no-deps git+https://github.com/unslothai/unsloth.git

注册Wandb以监控模型微调过程

wandb地址

https://wandb.ai/site
登录

下载
```
pip install wandb
```
使用api-key登录
```
wandb login
```

使用官网示例看一看

备注：

需要联网
需要将key改为自己的
entity需要提前设立

import random
import wandb

wandb.login(key="api-key")

# Start a new wandb run to track this script.
run = wandb.init(
    # Set the wandb entity where your project will be logged (generally your team name).
    entity="qinchihongye-pa",
    # Set the wandb project where this run will be logged.
    project="project_test",
    # Track hyperparameters and run metadata.
    config={
        "learning_rate": 0.02,
        "architecture": "CNN",
        "dataset": "CIFAR-100",
        "epochs": 10,
    },
)

# Simulate training.
epochs = 10
offset = random.random() / 5
for epoch in range(2, epochs):
    acc = 1 - 2**-epoch - random.random() / epoch - offset
    loss = 2**-epoch + random.random() / epoch + offset
    # Log metrics to wandb.
    run.log({"acc": acc, "loss": loss})

# Finish the run and upload any remaining data.
run.finish()

下载QwQ32B量化模型

huggingface地址(unsloth量化的4bit，比Q4_K_M量化的损失精度更小)

https://huggingface.co/unsloth/QwQ-32B-unsloth-bnb-4bit

复制名称

unsloth/QwQ-32B-unsloth-bnb-4bit
假设当前目录为

/root/lanyun-tmp

创建文件夹统一存放Huggingface下载的模型

mkdir Hugging-Face 
mkdir -p Hugging-Face/QwQ-32B-unsloth-bnb-4bit

配置镜像源
```
vim ~/.bashrc
```
填入以下两个，以修改HuggingFace 的镜像源、模型保存的默认

export HF_ENDPOINT=https://hf-mirror.com
export HF_HOME=/root/lanyun-tmp/Hugging-Face

重新加载，查看环境变量是否生效
```
source ~/.bashrc

echo $HF_ENDPOINT
echo $HF_HOME
```
安装 HuggingFace 官方下载工具
```
pip install -U huggingface_hub
```

执行下载模型的命令

huggingface-cli download --resume-download unsloth/QwQ-32B-unsloth-bnb-4bit --local-dir  /root/lanyun-tmp/Hugging-Face/QwQ-32B-unsloth-bnb-4bit

Hugging-Face/QwQ-32B-unsloth-bnb-4bit

或者使用python下载

from huggingface_hub import snapshot_download
snapshot_download(
    repo_id = "unsloth/QwQ-32B-unsloth-bnb-4bit",
    local_dir = "/root/lanyun-tmp/Hugging-Face/QwQ-32B-unsloth-bnb-4bit",
)

transformers库调用示例

代码

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "/root/lanyun-tmp/Hugging-Face/QwQ-32B-unsloth-bnb-4bit"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="cuda:0",
)
tokenizer = AutoTokenizer.from_pretrained(model_name)


prompt = "你好"
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(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=32768
)

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)

显存占用：23G左右。

vllm启动示例

启动

cd /root/lanyun-tmp/Hugging-Face


vllm serve ./QwQ-32B-unsloth-bnb-4bit \
--quantization bitsandbytes \
--load-format bitsandbytes \
--max-model-len 500 \
--port 8081

调用代码

from openai import OpenAI
import openai

openai.api_key = '1111111' # 这里随便填一个
openai.base_url = 'http://127.0.0.1:8081/v1'


def get_completion(prompt, model="QwQ-32B"):
    client = OpenAI(api_key=openai.api_key,
                    base_url=openai.base_url
                    )
    messages = [{"role": "user", "content": prompt}]
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        stream=False
    )
    return response.choices[0].message.content
	
prompt = '你好，请幽默的介绍下你自己，不少于300字'
get_completion(prompt, model="./QwQ-32B-unsloth-bnb-4bit")

cot数据集

FreedomIntelligence/medical-o1-reasoning-SFT

https://huggingface.co/datasets/FreedomIntelligence/medical-o1-reasoning-SFT

英文数据集下载

from datasets import load_dataset
import rich

# Login using e.g. `huggingface-cli login` to access this dataset
ds = load_dataset("FreedomIntelligence/medical-o1-reasoning-SFT", "en")

rich.print(ds['train'][0])

中文数据集下载

from datasets import load_dataset
import rich

# Login using e.g. `huggingface-cli login` to access this dataset
ds = load_dataset("FreedomIntelligence/medical-o1-reasoning-SFT", "zh")

rich.print(ds['train'][0])

下载完成后会看到在HuggingFace目录下的datasets目录中有刚刚下载的数据
```
ll /root/lanyun-tmp/Hugging-Face/datasets/
```

unsloth加载QwQ32b模型

unsloth支持直接加载模型并推理,先加载模型

from unsloth import FastLanguageModel

max_seq_length = 2048
dtype = None
load_in_4bit = True # 4bit


model,tokenizer = FastLanguageModel.from_pretrained(
     model_name = "/root/lanyun-tmp/Hugging-Face/QwQ-32B-unsloth-bnb-4bit/",
	 max_seq_length = max_seq_length,
	 dtype = dtype,
	 load_in_4bit = load_in_4bit,
)

显存占用22G左右

推理

# 将模型调整为推理模式
FastLanguageModel.for_inference(model)

def QwQ32b_infer(question):
	# prompt模板
	prompt_style_chat = """请写出一个恰当的回来来完成当前对话任务。
	### Instruction:
	你是一名助人为乐的助手。
	### Question:
	{}
	### Response:
	<think>{}"""
	# [prompt_style_chat.format(question,"")]
	inputs = tokenizer([prompt_style_chat.format(question, "")]
                   ,return_tensors="pt"
				   ).to("cuda")
    
	outputs = model.generate(
						input_ids = inputs.input_ids,
						max_new_tokens=2048,
						use_cache=True,
					)
	response = tokenizer.batch_decode(outputs)
	return response[0].split("### Response:")[1]

question = "证明根号2是无理数"
response = QwQ32b_infer(question)

模型微调

测试:使用微调数据集进行测试

question_1 = "根据描述，一个1岁的孩子在夏季头皮出现多处小结节，长期不愈合，且现在疮大如梅，溃破流脓，口不收敛，头皮下有空洞，患处皮肤增厚。这种病症在中医中诊断为什么病？"

question_2 = "一个生后8天的男婴因皮肤黄染伴发热和拒乳入院。体检发现其皮肤明显黄染，肝脾肿大和脐部少量渗液伴脐周红肿。在此情况下，哪种检查方法最有助于确诊感染病因？"


response_1 = QwQ32b_infer(question_1)
response_2 = QwQ32b_infer(question_2)

print(response_1)
print(response_2)

加载并处理数据，选择训练集前500条进行最小可行性实验

import os
from datasets import load_dataset

# 问答提示词模板
train_prompt_style = """下面是描述任务的指令，与提供进一步上下文的输入配对。编写适当完成请求的响应。在回答之前，仔细思考问题，并创建逐步的思想链，以确保逻辑和准确的响应。

### Instruction:
您是一位在临床推理、诊断和治疗计划方面拥有先进知识的医学专家。请回答以下医学问题。 

### Question:
{}

### Response:
<think>
{}
</think>
{}"""

# 文本生成结束的基本标记
EOS_TOKEN = tokenizer.eos_token
tokenizer.eos_token # '<|im_end|>'

# 定义函数，对数据集进行修改
def formatting_prompts_func(examples):
    inputs = examples["Question"]
    cots = examples["Complex_CoT"]
    outputs = examples["Response"]
    texts = []
    for input, cot, output in zip(inputs, cots, outputs):
        text = train_prompt_style.format(input, cot, output) + EOS_TOKEN
        texts.append(text)
    return {
        "text": texts,
    }
    
# 先选择训练集前500条数据
dataset = load_dataset("FreedomIntelligence/medical-o1-reasoning-SFT"
                       ,"zh"
                       , split = "train[0:500]"
                       ,trust_remote_code=True
                      )
dataset = dataset.map(formatting_prompts_func
                      , batched = True
                     )

import rich
rich.print(dataset[0])
rich.print(dataset[0]['text'])

将模型设置为微调模式

                       
# 将模型设置为微调模式
model = FastLanguageModel.get_peft_model(
    model,
    r=4, # r=16 # 低秩矩阵的秩
    target_modules=[
        "q_proj",
        "k_proj",
        "v_proj",
        "o_proj",
        "gate_proj",
        "up_proj",
        "down_proj",
    ],
    lora_alpha=16,
    lora_dropout=0,  
    bias="none",  
    use_gradient_checkpointing="unsloth",  # True or "unsloth" for very long context
    random_state=1024,
    use_rslora=False,  
    loftq_config=None,
)

创建训练器（有监督微调对象）

from trl import SFTTrainer
from transformers import TrainingArguments
from unsloth import is_bfloat16_supported

trainer = SFTTrainer(
    model=model, # 指定需要微调的预训练模型
    tokenizer=tokenizer, # 分词器
    train_dataset=dataset, # 训练数据
    dataset_text_field="text", # 指定数据集中那一列包含训练文本（在formatting_prompt_func里面指定）
    max_seq_length=max_seq_length, #最大序列长度，用于控制输入文本的最大token数量
    dataset_num_proc=2, # 数据加载的并行进程数
    args=TrainingArguments(
        per_device_train_batch_size=1, # 每个GPU/设备的戌年批量大小（较小值适合大模型）
        gradient_accumulation_steps=4, # 梯度累计步数，相当于batch_size=1*4=4
        # num_train_epochs = 1, # 如果设置了num_train_epochs，则max_steps失效
        warmup_steps=5, # 预热步数，初始阶段学习率较低，然后逐步升高
        max_steps=60,# 最大训练步数
        learning_rate=2e-4, # 学习率
        fp16=not is_bfloat16_supported(),  # 如果GPU不支持bfloat16，则使用fp16（16位浮点数）
        bf16=is_bfloat16_supported(), # 如果GPU支持bfloat16，则启用bf16（训练更稳定）
        logging_steps=10, # 每10步记录一次日志
        optim="adamw_8bit", # 使用adamw_8bit 8bit adamw优化器减少显存占用
        weight_decay=0.01, # 权重衰减 L2正则化，防止过拟合
        lr_scheduler_type="linear", # 学习率调整策略，线性衰减
        seed=1024, # 随机种子，保证实验结果可复现
        output_dir="/root/lanyun-tmp/outputs", # 训练结果的输出目录
    ),
)

# 设置wandb(可选则)
import wandb
wandb.login(key="api-key")

run = wandb.init(entity="qinchihongye-pa"
                 ,project='QwQ-32B-4bit-FT'
                )

# 开始模型微调
trainer_stats = trainer.train()

trainer_status

训练过程中的显存占用如上，训练过程如下

点击wandb链接，查看训练过程中的损失函数，学习率，梯度等等的变化。

unsloth在微调结束后，会自动更新模型权重（在缓存中），因此无序手动合并集合直接调用微调后的模型
```
FastLanguageModel.for_inference(model)

new_response_1 = QwQ32b_infer(question_1)
new_response_2 = QwQ32b_infer(question_2)

new_response_1
new_response_2
```
可以看到第一个问题还是回答错了，第二个问题也如旧，可以考虑继续进行大规模微调，使用全部微调文件+多个epoch。

模型合并

此时本地保存的模型权重在/root/lanyun-tmp/outputs中

注意，unsloth中默认100步保存一个checkpoint，因为当前steps=60,所以只有一个checkpoint点。

合并保存为safetensors

model.save_pretrained_merged("/root/lanyun-tmp/QwQ-Medical-COT-Tiny"
                             , tokenizer
                             , save_method = "merged_4bit_forced",#保存为4bit量化
                            )

# model.save_pretrained_merged("dir"
#                              , tokenizer
#                              , save_method = "merged_16bit",#保存为16bit
#                             )

合并为GGUF格式（需要量化，非常耗时）

# model.save_pretrained_gguf("dir"
#                            , tokenizer
#                            , quantization_method = "q4_k_m"
#                           )

# model.save_pretrained_gguf("dir"
#                            , tokenizer
#                            , quantization_method = "q8_0"
#                           )

# model.save_pretrained_gguf("dir"
#                            , tokenizer
#                            , quantization_method = "f16"
#                           )