🌟 State 微调是什么?
RWKV 是纯 RNN,因此可以做 transformer 难以做到的事情。例如,作为 RNN 有固定大小的 state,所以,微调 RWKV 的初始 state,就相当于最彻底的 prompt tuning,甚至可以用于 alignment,因为迁移能力很强。
本文的 State tuning 方法来自 RWKV 社区微调项目 RWKV-PEFT 。
开始之前,请确保你拥有一个 Linux 工作区,以及支持 CUDA 的 NVIDIA 显卡,具体显存可参考下表:
模型参数 | State tuning 需要的显存 |
---|---|
RWKV6-1.6B | 6.4GB GPU |
RWKV6-3B | 9.4GB GPU |
RWKV6-7B | 18.1GB GPU |
收集训练数据
你需要使用收集更适合训练 RWKV 的 binidx 数据,具体方法可参考:https://rwkv.cn/RWKV-Fine-Tuning/FT-Dateset 。
需要注意的是,训练 state 的 JSONL 数据集需要先用 make_data.py脚本重复生成 10 遍,再转成 binidx 数据:
python make_data.py novel.jsonl 10 512
在这条命令中,novel.jsonl
需要改成你的 JSONL 数据文件路径,10 则是数据重复的次数,512 则是你训练的 CXT 长度。
💡 Tips: 在社区的实验中,State tuning 的 cxt 应当尽可能小,建议从 512 开始尝试。
配置训练环境
要训练 RWKV 模型,首先要配置训练环境。
1. 配置虚拟环境(conda)
RWKV 默认训练虚拟环境为 conda ,以下是一个简单的Miniconda的安装方法:
# 下载最新的 MiniConda 安装包
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 运行 MiniConda 安装包的安装脚本# 安装期间一定要注意进度,及时输入 yes !
sh Miniconda3-latest-Linux-x86_64.sh -u
# 重启环境变量~/.bashrc
2. 安装 state tuning 所需的软件
要获得 RWKV 模型的最佳训练性能,推荐安装以下依赖项版本:
- python 3.10
- torch 2.1.2+cu121(或最新版本)
- cuda 12.3+
- 最新的 deepspeed
- 保持 pytorch-lightning ==1.9.5
在 Linux 环境中依次运行以下命令:
# 通过指定 url 安装 cu121 版本的
torchpip install torch --upgrade --extra-index-url https://download.pytorch.org/whl/cu121
# 安装 RWKV state tuning 所需的其他软件包
pip install pytorch-lightning==1.9.5 transformers ninja einops tqdm gpustat nvitop bitsandbytes wandb datasets triton==2.2.0 --upgrade
3. 检查 CUDA 环境
依次运行以下命令,检查 CUDA 库是否可用:
#启动 python
python3
#导入 torch 包
import torch
#检查 CUDA 是否可用
torch.cuda.is_available()
如果返回值为 True ,证明 CUDA 环境可用。如果返回 False ,请重新安装 CUDA 环境(cuda 12.3+)。
💡 Tips:安装 CUDA 环境可以参考 https://docs.nvidia.com/cuda/
克隆 RWKV-LM 仓库
在 Linux 或 WSL 中,使用 git 命令克隆 RWKV-LM 仓库:
git clone https://github.com/JL-er/RWKV-PEFT.git
克隆完成后,使用 cd RWKV-PEFT
命令进入 RWKV-PEFT 文件夹。
修改训练参数
使用任意文本编辑器(如 vscode)打开 demo-state-tuning.sh
文件,可以修改训练参数,进而控制微调的训练过程和训练效果:
以下是一次 state tuning 调参过程:
1. 调整路径参数
demo-state-tuning.sh
文件前三行是文件路径参数:
- load_model: 基底 RWKV 模型的路径
- proj_dir:训练日志和训练得到的 state 文件输出路径
- data_file:训练数据集的路径,注意路径中不需要带 bin 和 idx 后缀,仅需文件名称。
2. 调整 n_layer 和 n_embd 参数
基底 RWKV 模型的参数大小不同,训练时使用的 n_laye 和 n_embd 数值也不一样。以下是不同参数的 RWKV 模型和 n_laye 和 n_embd 数值的对照列表:
模型参数 | n_layer | n_embd |
---|---|---|
0.1B | 12 | 768 |
0.4B | 24 | 1024 |
1.5B | 24 | 2048 |
3B | 32 | 2560 |
7B | 32 | 4096 |
3. 调整重要训练参数
参数 | 描述 |
---|---|
micro_bsz=1 | 根据显存大小调整,微调时从 1 开始逐渐增大 |
epoch_save=5 | 每隔多少个训练轮次保存一次模型,注意存储空间 |
epoch_steps=1000 | 每个训练轮次的步数,增加会拉长单个epoch的训练时间 |
ctx_len=512 | 微调模型的上下文长度,state tuning 建议从短开始尝试,如 512 |
QUANT=‘nf4’ | 支持的量化训练类型:“Int8” 和 “nf4”,推荐使用精度损失较小的 “Int8” |
量化训练可以降低显存需求,但会导致模型精度损失。如果不需要量化训练,可以删除所有 QUANT
相关的参数。
此外, ctxlen
参数应该根据语料长度尽可能缩短。
4. 调整其他训练参数
下面列出了脚本中其他可修改的训练参数,及其修改的效果。
🌟 注意:微调 state 时,建议 --warmup_steps 10 、–lr_init 1 、–lr_final 0.01 ,以及尽可能短的 ctxlen 。(是的,state 微调需要使用非常高的学习率。)
参数 | 描述 |
---|---|
–data_type binidx | 训练语料的文件格式,支持:“utf-8”, “utf-16le”, “numpy”, “binidx”, “dummy”, “wds_img”, “uint16” |
–vocab_size 65536 | 词表大小,默认为 65536,设置为 0 表示模型自动确定词汇表大小 |
–epoch_count 999999 | 总训练轮次,可根据效果调整 |
–epoch_begin 0 | 初始训练轮次,即从第 N 个 epoch 开始加载 |
–pre_ffn 0 | 用 ffn 替换第一个 att 层,有时可能有益 |
–head_qk 0 | 通常保持默认值 0,即关闭状态 |
–lr_init 1 | 初始学习率,state tuning 建议为 1,其他微调建议 1e-5 |
–lr_final 0.01 | 最终学习率,state tuning 建议为 0.01 |
–warmup_steps 10 | 预热步骤数,state tuning 建议为 10 |
–beta1 0.9 | Adam 优化器的 beta1 参数 |
–beta2 0.999 | Adam 优化器的 beta2 参数 |
–adam_eps 1e-8 | Adam 优化器的 epsilon 参数 |
–accelerator gp | 使用的加速器类型,目前主要支持 gpu, cpu 基本不支持训练 |
–devices 1 | 单显卡填 1,多卡按实际数量填写 |
–precision bf16 | 训练精度,默认为 bf16,支持:“fp32”, “tf32”, “fp16”, “bf16” |
–strategy deepspeed_stage_1 | lightning 训练策略参数,微调推荐使用 deepspeed_stage_1 |
–grad_cp 1 | 梯度累积步数,0 训练更快但需更多显存,1 训练较慢但节省显存 |
–my_testing “x060” | 训练的 RWKV 模型版本,v5 选 x052,v6 选 x060 |
–dataload pad | 数据加载选项,pad 支持 bsz>1,only 限制 bsz=1 |
–train_type “state” | 训练类型 |
–fla | 是否启用 fla,bsz < 8 时建议开启以减小显存需求 |
参数调整完成后,请记得保存 demo-state-tuning.sh
文件。
开始训练
在 RWKV-PEFT 文件夹,运行 sh demo/demo-state-tuning.sh
命令,开启 state tuning 。
正常开始训练后,应当是如下画面:
训练完毕后,应当可以在输出文件夹中找到训练好的 state 文件(.pth
格式)和训练日志(.txt
文件):
如何使用 state 文件
获得 state 文件后,你可以如此使用:
-
使用
demo-state-merge.sh
工具将 state 文件合并到基底 RWKV 模型中,获得一个完整的 state 微调模型。 -
可以选择在 RWKV Runner 或 Ai00 等工具中单独挂载 state 文件。(推荐用法)
注意:挂载 state 文件时,必须使用训练此 state 文件的同款 RWKV 模型。
举个例子:这个 state 文件是基于 RWKV-6-World-7B-v2.1
模型微调而来,那么你在 RWKV Runner 或 Ai00 等工具中必须启动 RWKV-6-World-7B-v2.1
模型,挂载的 state 文件才会生效。
✨ 由于 state 文件支持单独挂载,其他用户也可以通过挂载你训练出来的的 state 文件,增强 RWKV 模型的使用体验。
Sate文件的用法可以参考 RWKV Runner | Ai00
模型介绍
RWKV 是一种创新的深度学习网络架构,它将 Transformer 与 RNN 各自的优点相结合,同时实现高度并行化训练与高效推理,时间复杂度为线性复杂度,在长序列推理场景下具有优于 Transformer 的性能潜力。
RWKV 模型架构论文:
- RWKV 4 : https://arxiv.org/abs/2305.13048
- RWKV 5/6(Eagle & Finch):https://arxiv.org/abs/2305.13048
RWKV 模型的最新版本是RWKV-6,架构图如下:
相对 Transformer 架构,RWKV 架构的推理成本降低 2 ~ 10 倍,训练成本降低 2~3 倍。