大模型训练踩坑记录

按照博客进行模型的微调，遇到的bug记录。

【1】执行

python train_qlora.py --train_args_file train_args/sft/qlora/chatglm3-6b-sft-qlora.json

报错：

libcublas.so.11: undefined symbol: cublasLtGetStatusString, version libcublasLt.so.11

解决方法，详见：这里

中间重新安装pytorch都不行，上面写的 pip uninstall nvidia_cublas_cu11 可以work。

【2】个人使用设备双卡T4，每个卡16G，2张卡32G，qlora方法微调chatglm3-6b。

执行

python train_qlora.py --train_args_file train_args/sft/qlora/chatglm3-6b-sft-qlora.json

之后，跑起来之后OOM，报错如下：

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 1.98 GiB (GPU 0; 14.76 GiB total capacity; 13.16 GiB already allocated; 315.75 MiB free; 13.72 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation.  See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

但实际上第2张卡显存空间还剩很多：

解决方法：查了一些资料，在stackoverflow上看到有人训练别的模型说还是batchsize设置的大了，可以减小一下试试。当我将batch_size=1时，发现OK了。

其他的诸如

os.environ["PYTORCH_CUDA_ALLOC_CONF"] = "max_split_size_mb:xxx"

都不work。按道理来说应该当第一张卡不足，使用第二张卡上，但目前不知道原因为什么没弄好，有经验的朋友可以不吝赐教。

补充：

可以使用命令：

torchrun --nproc_per_node=2 train_qlora.py --train_args_file train_args/sft/qlora/chatglm3-6b-sft-qlora.json

这里通过设置--nproc_per_node=2来指定训练的显卡数。global batch = per_device_train_batch_size * gradient_accumulation_steps * num_gpus。

这样时间能减少一半。

【3】使用lora方法微调后合并的模型推理时报错：

AttributeError: can't set attribute 'eos_token'

解决方法：将原来模型的tokenizer_config.json移动到微调模型的下面，详细见GitHub的issue

【4】大模型训练好之后的效果（中文场景）跟哪些因素有关

这一部分还没做实验，但参考北大做的ChatLaw模型（由几个模型的组合，算个解决方案或者系统）:参考简介里的说明

a. 大模型本身的文本能力，所以一定选个基座就比较好的，我们做微调的，尤其是训练数据不够，训练机器不行的，一定要选个好的基座；

b. 数据质量：多清洗，多增强，要求严格，少量的精品胜过大量的普通数据；

c. 大参数：一般来说33B好于13B，以此类推；

d. 实际落地：真正能解决业务上的问题，可能单靠一个大模型是不够的，需要配合，知识库是必须的，配合做知识库的模型，比如相似度，embedding模型等都要搞好，这对于落地很重要！

【5】chatGLM预测的时候报错：

错误内容如下：

Input length of input_ids is 8487, but `max_length` is set to 8192. This can lead to unexpected behavior. You should consider increasing `max_new_tokens`

其实就是load模型的时候指定最大长度是8192，但是在实际使用时，输入的数据的长度多于8192，此时有2个方法解决问题：

方法一：缩减输入数据的长度；

方法二：扩大模型能接受的长度（要确保显存能装的下，可接受的输入数据越长，需要的显存越大），一方面在config.json文件中将"seq_length": 8192改长一些，另一方面，在预测时，将model.chat(tokenizer, query, history, max_length=xxxx)设置max_length。

但这个方法也会有一些问题，当长度比较长的时候，感觉后面预测的效果就不太好了，可能也跟训练的数据长度跟预测的数据长度差异较大有关系。