【大模型系列 07】MiniGPT-4 for PyTorch 昇腾迁移

源码链接

https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/foundation/MiniGPT-4

MiniGPT-4 for PyTorch

概述

简述

MiniGPT-4使用一个投影层将来自BLIP-2的冻结视觉编码器与冻结的LLM Vicuna对齐。通过两个阶段来训练MiniGPT-4，先是用500万图文对训练，然后再用一个3500对高质量数据集训练。

• 参考实现：

  url=https://github.com/Vision-CAIR/MiniGPT-4
  commit_id=22d8888ca2cf0aac862f537e7d22ef5830036808
  

• 适配昇腾 AI 处理器的实现：

  url=https://gitee.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/built-in/foundation
  

准备训练环境

准备环境

• 当前模型支持的PyTorch如下表所示。

  表 1 版本支持表

  配套	版本
  PyTorch	1.11.0

• 环境准备指导。

  请参考《Pytorch框架训练环境准备》。

• 安装依赖。

  在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。

  pip install -r requirements.txt  # PyTorch1.11版本
  

• 替换transformers库中的相关文件。

  将当前工程目录下的transformers_modify文件夹中的文件替换到transformers安装目录下的对应位置（基于transformers 4.28.0版本）：

  utils.py -> transformers/generation/utils.py
  

准备数据集

1. 获取预训练数据集。

   要下载和准备Laion和CC数据集，请查看第一阶段数据集准备说明。
   数据集参考目录如下:

   laion_dataset
   ├── 00000.parquet
   ├── 00000_stats.json
   ├── 00000.tar
   ├── ...
   
   cc_sbu_dataset
   ├── 00000.parquet
   ├── 00000_stats.json
   ├── 00000.tar
   ├── ...
   

2. 获取微调数据集

   要下载和准备小型高质量图像文本对数据集，请查看第二阶段数据集准备说明。
   数据集参考目录如下:

   cc_sbu_align
   ├── filter_cap.json
   ├── image
      ├── 0.jpg
      ├── ...
   
   

准备模型权重

1. 准备预训练的Vicuna权重

   用户参照链接自行获取模型文件，并放于自定义目录下，微调依赖该模型权重。
   自定义参考目录如下:

   vicuna_weights
   ├── config.json
   ├── generation_config.json
   ├── pytorch_model.bin.index.json
   ├── pytorch_model-00001-of-00003.bin
   

   在配置文件minigpt4.yaml中修改vicuna权重所在的路径。

2. 准备训练的MiniGPT-4检查点:

   Checkpoint Aligned with Vicuna 3B	Checkpoint Aligned with Vicuna 7B
   链接	链接

   然后，在评估配置文件minigpt4_eval.yaml的第11行中设置预训练检查点的路径。

3. 准备只有第一阶段训练的MiniGPT-4检查点链接。

开始训练

进入解压后的源码包根目录。

cd /${模型文件夹名称}

预训练

• 单机4卡预训练

  bash test/pretrain_gpt_4p.sh
  

  要启动第一阶段预训练，请先在laion/defaults.yaml和/cc_sbu/defaults.yaml中指定预训练数据集路径。

微调

• 单机单卡微调

  bash test/finetune_gpt_1p.sh
  

  要启动第二阶段微调对齐，请先在minigpt4_stage2_finetune.yaml和cc_sbu/align.yaml中分别指定第1阶段预训练的检查点文件的路径和精调数据集路径。

在线演示

1. 修改配置文件minigpt4_eval.yaml第11行，路径为微调好的权重所在路径。

2. 在线演示：

   python demo.py --cfg-path eval_configs/minigpt4_eval.yaml --gpu-id 0
   

3. 运行成功后，在服务器浏览器的输入URL链接：http://127.0.0.1:7860, 会加载UI界面。上传图像开始与MiniGPT-4聊天。

4. 如需本地浏览器远程访问服务器，需要ssh进行端口映射：

   ssh -L 6006:127.0.0.1:7860 yourname@server.ip
   

   在本地浏览器输入URL链接：http://127.0.0.1:6006, 即可加载聊天界面。

训练结果展示

表 1 预训练结果展示表

NAME	TokensPerSec	Iterations	BatchSize	Torch_Version
Pretrain -竞品A	8866	5000*4	64	1.11
Pretrain -NPU	7517	8000*4	40	1.11

表 2 微调结果展示表

NAME	TokensPerSec	Iterations	BatchSize	Torch_Version
Finetune -竞品A	2805	200*2	12	1.11
Finetune -NPU	2433	240*2	10	1.11

在线演示效果

这里展示了MiniGPT-4微调后的演示效果。

版本说明

变更

2023.7.05：首次发布。

FAQ

无。