炼丹上瘾？1B大模型训练实战全记录，带你深入探索！

mini_qwen 是一个从头开始训练的 1B 参数的大型语言模型（LLM）项目，包括预训练（PT）、微调（SFT）和直接偏好优化（DPO）3 个部分。

其中预训练和微调仅需要 12G 显存即可训练，直接偏好优化仅需要 14G 显存即可训练，这意味着使用 T4 显卡就可以开始你的训练之旅。

mini_qwen 是以 Qwen2.5-0.5B-Instruct 模型为基础，通过扩充模型隐藏状态层数、隐藏状态维度和注意力头数，增加参数量到 1B，并进行参数随机初始化。

训练数据使用北京智源人工智能研究院的预训练(16B token)、微调(9M 条)和偏好数据(60K 条)，使用 flash_attention_2 进行加速，使用 deepspeed 在 6 张 H800 上训练 25h(pt 1epoch)、43h(sft 3epoch)、1h(dpo 3epoch)。

github 链接：https://github.com/qiufengqijun/mini_qwen

huggingface 链接：https://https://huggingface.co/qiufengqijun

01 项目背景

主要是由于我之前使用 llama factory 做过一些模型续训练和微调的工作，但是 llama factory 的封装做得很好，导致我不太清楚大模型训练的具体流程，加之对预训练的好奇，因此产生了做本项目的想法。

这是一次非常有趣且有价值的尝试，在整个过程中探究了尺度定律（scaling law）、复读机现象与微调阶段的知识注入，也解决了很多 bug。

本项目的详细内容见 mini_qwen 项目，在此仅展示项目的主要结论，也欢迎交流讨论。

02 预训练（PT）

在预训练阶段，模型参数量从 0.5B 扩展到了 1B，使用了大约 16B token 的高质量中英文数据进行训练。

训练时使用了 6 张 H800 显卡，总 batch_size 为 1152，学习率设置为 1e-4。

训练过程中使用了 flash_attention_2 进行加速，序列长度设置为 1024。预训练耗时约 25 小时，使用了 deepspeed 的 zero-2 策略进行分布式训练。

训练过程中，loss 曲线先迅速下降，后缓慢降低，符合预期。

03 微调（SFT）

微调阶段基于预训练模型，使用了大约 9M 条高质量中英文数据进行训练。

训练时同样使用了 6 张 H800 显卡，总 batch_size 为 1152，学习率设置为 1e-5。

微调阶段使用了 TRL 中的 SFT Trainer 进行训练，序列长度设置为 1024，仅训练第一轮对话数据。微调耗时约 43 小时，训练了 3 个 epoch。

训练过程中，loss 曲线先迅速下降，后缓慢降低，且在 2epoch（7000step）和 3epoch（15000step）开始时，loss 有明显的轻微下降，表明模型在 1epoch 时几乎记住了所有训练数据。

04 直接偏好优化（DPO）

直接偏好优化阶段基于微调模型，使用了大约 60K 条高质量中英文数据进行训练。

训练时同样使用了 6 张 H800 显卡，总 batch_size 为 384，学习率设置为 5e-7。

DPO 阶段使用了 TRL 中的 DPO Trainer 进行训练，序列长度设置为 1024。训练耗时约 1 小时，训练了 3 个 epoch。

训练过程中，loss 曲线呈现阶梯状下降，表明模型稍微过拟合。

05 模型评估

预训练：

# 按照预训练的格式，直接输入文本，不添加特殊字符

# text = prompt

# model_path = “results/pt”

用户：李白是谁？

助手： ,就是说,你这个作品,你这个作品,你这个作品,你这个作品,你这个作品,。。。。。。你这个作品,你这个作品,你这个作品,

用户：绿豆糕

助手： ,甜品,甜品,甜品,甜品,甜品,甜品,甜品,甜品,甜品,甜品,甜品,甜品,。。。。。。甜品,甜品,甜品,甜品,甜品,甜品,甜品,

用户：who are you?

助手： I’m a very good reader, and I’m not a writer. 。。。。。。 I’m not a writer.

微调

# 按照微调的格式，在文本前后添加特殊字符

# text = f"<|im_start|>user\n{prompt}<|im_end|>\n<|im_start|>assistant\n"

# model_path = “results/sft/checkpoint-15461” 2epoch的模型

用户：李白是谁？

助手： 李白是唐代著名的诗人，他的诗歌风格以豪放奔放、豪放奔放而著称。他的诗歌风格以豪放奔放、豪放不羁、豪放不羁为特点。他的代表作品有《将进酒》、《庐山谣》、《庐山谣》等。

用户：绿豆糕

助手： 绿豆糕是一种传统的中国糕点，其制作方法简单，口感鲜美，口感丰富。它通常在春季和秋季种植，通常在春季和秋季种植。绿豆糕的制作方法简单，口感鲜美，口感丰富，适合在炎热的夏季食用。

用户：who are you?

助手： I am an AI language model created by OpenAI, here to assist you with information and answer your questions. How can I help you today?

直接偏好优化

# 按照微调的格式，在文本前后添加特殊字符

# text = f"<|im_start|>user\n{prompt}<|im_end|>\n<|im_start|>assistant\n"

# model_path = “results/dpo/checkpoint-309” 2epoch的模型

用户：李白是谁？

助手： 李白是唐代著名的诗人，他的诗歌风格以豪放奔放、豪放奔放而著称。他的诗歌风格以豪放奔放、豪放不羁、豪放不羁为特点。他的代表作品有《将进酒》、《庐山谣》、《夜泊牛渚怀古》等。

用户：绿豆糕

助手： 绿豆糕是一种传统的中国糕点，其制作方法简单，口感鲜美，口感丰富。以下是一些制作绿豆糕的步骤：

1. 准备材料：绿豆糕的糯米粉、糯米粉、。。。。。。糯米粉、糯米粉。

用户：who are you?

助手： I am an AI language model created by OpenAI, here to assist you with information and answer your questions. How can I help you today?

05 总结

通过这三个阶段的训练，模型在预训练、微调和直接偏好优化中逐渐提升了性能，尽管在 DPO 阶段并未显著提升模型表现，但整个训练流程为模型的理解和调优提供了宝贵的经验。

AI大模型学习路线

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

扫描下方csdn官方合作二维码获取哦！

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓