10 分钟，教你如何用 LLama-Factory 训练和微调 LLama3 模型

AIGC 0

本文将探讨于2024年3月21日发布的LLama-Factory，并学习如何使用 DigitalOcean 旗下的 Paperspace平台对 LLama 3 进行微调。为了完成我们的任务，我们将使用 NVIDIA A4000 GPU，它被认为是功能最强大的单插槽 GPU 之一，能够无缝集成到各种工作站中。

RTX A4000 采用了 NVIDIA Ampere 架构，集成了 48 个第二代 RT Core、192 个第三代 Tensor Core 和 6144 个CUDA 核心，以及带有错误校正码（ECC）的 16GB 图形内存。这些配置确保了它能为创新项目提供精确可靠的计算能力。

一直以来，微调大语言模型一直是一项复杂的任务，主要由深谙机器学习和人工智能的工程师完成。然而，随着人工智能领域的不断发展，这一观念正在迅速改变。类似 LLama-Factory 等新工具的出现，使得微调过程更加便捷和高效。此外，现在还可以使用 DPO、ORPO、PPO 和 SFT 等技术进行微调和模型优化。更进一步说，大家现在可以有效地训练和微调如 LLama、Mistral、Falcon 等模型。

什么是模型的微调？

微调模型涉及调整预训练模型或基础模型的参数，这些参数可用于特定任务或数据集，可以提高模型的性能和准确性。这个过程涉及向模型提供新数据并修改其权重、偏差和某些参数。通过这种方式，可以让这个新模型可以在新任务或数据集上获得更好的表现，而无需为了新任务或数据从头开始开发一个模型，从而节省时间和资源。

通常，当创建新的大语言模型（LLM）时，它会在大量文本数据上进行训练，这些数据可能包含潜在的有害的数据。在预训练或初始训练阶段之后，该模型会被进行微调，并采取一些安全措施，以确保其避免生成有害或有毒的响应。然而，这种方法仍有改进的空间。不过，微调解决了需要让模型适应特定需求的问题。

为什么要用 LLama-Factory？

LLama Factory，这个工具能够高效且低成本地支持对 100 多个模型进行微调。LLama Factory 简化了模型微调的过程，并且易于访问，使用体验友好。此外，它还提供了由 Hiyouga 提供的 Hugging Face 空间，可用于对模型进行微调。


图：LLama Board(Huggingface 空间)

这个空间还支持 Lora 和 GaLore 配置，以减少 GPU 的使用。用户可以通过简单的滑块轻松更改参数，如 dropout、epochs、批次大小等。同时，也有多个数据集选项可供选择以微调你的模型。正如本文所述，LLama Factory支持许多模型，包括不同版本的 LLama、mistral 和 Falcon。它还支持像 galore、badm 和 Lora 这样的高级算法，提供诸如flash attention、位置编码和缩放等各种功能。

此外，你还可以集成像 TensorBoard、VanDB 和 MLflow 这样的监控工具。为了更快地进行推理，你还可以使用Gradio 和 CLI。本质上，LLama Factory 提供了一系列多样化的选项，以增强模型性能并简化微调过程。

LLama Board：LLama Factory 的统一用户界面

LLama Board 可以帮助人们调整和改进语言模型（LLM）的性能，而无需了解如何编写代码。它就像一个仪表板，让你可以轻松地自定义语言模型如何学习和处理信息。

以下是它的一些关键特性：

  • 易于定制：你可以通过在网页上调整设置来改变模型的学习方式。默认设置适用于大多数情况。你还可以在开始之前查看模型将如何查看你的数据。

  • 进度监控：随着模型的学习，你可以看到更新和图表，显示它的表现如何。这有助于你了解它是否正在改进。

  • 灵活的测试：你可以通过将模型与已知答案进行比较，或自己与其交流，来检查模型理解文本的程度。这有助于你观察模型是否在理解语言方面变得越来越好。

  • 支持多种语言：LLama Board 支持英语、俄语和中文，对于说不同语言的人来说很有用。它也被设置为在未来添加更多语言。

使用 Paperspac 微调 LLama3

我们此前也介绍过如何在 Paperspace 上跑 LLama3 Demo。我们这次来对 LLama3 进行微调。如果你还对目前DigitalOcean 的 Paperspace GPU 云服务不熟悉，可以参考Paperspace 的账户设置教程，或 DigitalOcean 英文官网的更多文档。另外，DigitalOcean 提供多种 GPU 可供选择，包括 H100、A100 等，按秒计费，能合理控制成本。

你也可以点击这个链接，直接在 Paperspace 上开始运行这个项目，如下图所示。

让我们登录到 Paperspace 平台，选择你希望使用的 GPU，并开始使用 notebook（Paperspace 上的 IDE）。你还可以点击上面的链接来帮助你启动 notebook。

1、首先，我们将克隆仓库并安装必要的库

!git clone https://github.com/hiyouga/LLaMA-Factory.git%cd LLaMA-Factory%ls

2、接下来，我们将安装 unsloth，它允许我们有效地对模型进行微调。此外，我们还会安装 xformers 和 bitsandbytes。

# install necessary packages!pip install "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"!pip install --no-deps xformers==0.0.25!pip install .[bitsandbytes]!pip install 'urllib3<2'

3、一旦所有东西都安装好了，我们将检查 GPU 规格

!nvidia-smi

4、接下来，我们将导入torch并检查我们 的CUDA，因为我们正在使用 GPU，

import torchtry:    assert torch.cuda.is_available() is Trueexcept AssertionError:    print("Your GPU is not setup!")

5、我们现在将导入我们克隆的 GitHub仓库附带的数据集。我们也可以创建一个自定义数据集并使用它。

import json%cd /notebooks/LLaMA-FactoryMODEL_NAME = "Llama-3"with open("/notebooks/LLaMA-Factory/data/identity.json", "r", encoding="utf-8") as f:    dataset = json.load(f)for sample in dataset:    sample["output"] = sample["output"].replace("MODEL_NAME", MODEL_NAME).replace("AUTHOR", "LLaMA Factory")with open("/notebooks/LLaMA-Factory/data/identity.json", "w", encoding="utf-8") as f:    json.dump(dataset, f, indent=2, ensure_ascii=False)

6、完成上一步后，我们将执行下面的代码，为 Llama Factory 生成 Gradio 网络应用链接。

#generates the web app link %cd /notebooks/LLaMA-Factory!GRADIO_SHARE=1 llamafactory-cli webui

你可以单击生成的链接并按照说明进行操作，也可以使用你的方法。

型号选择：

  • 你可以选择任何模型；在这里，我们选择具有80亿个参数的Llama 3。

适配器配置：

  • 你可以选择指定适配器路径。

  • 可用的适配器包括LoRa、QLoRa、freeze或full。

  • 如果需要，你可以刷新适配器列表。

培训选项：

  • 你可以使用监督微调来训练模型。

  • 或者，你可以选择DPU（数据处理单元）或PPU（并行处理单元）。

数据集选择：

  • 所选数据集用于监督微调（SFT）。

  • 你也可以选择自己的数据集。

超参数配置：

  • 你可以调整超参数，例如迭代次数、最大梯度范数和最大样本大小。

Laura配置：

  • LoRa型号提供详细的配置选项。

开始培训：

  • 设置完所有配置后，你可以通过单击“开始”按钮启动训练过程。

下面将开始训练。我们还将使用 CLI 命令开始训练和微调。你可以使用以下代码指定参数。

args = dict(  stage="sft",                        # Specifies the stage of training. Here, it's set to "sft" for supervised fine-tuning  do_train=True,  model_name_or_path="unsloth/llama-3-8b-Instruct-bnb-4bit", # use bnb-4bit-quantized Llama-3-8B-Instruct model  dataset="identity,alpaca_gpt4_en",             # use the alpaca and identity datasets  template="llama3",                     # use llama3 for prompt template  finetuning_type="lora",                   # use the LoRA adapters which saves up memory  lora_target="all",                     # attach LoRA adapters to all linear layers  output_dir="llama3_lora",                  # path to save LoRA adapters  per_device_train_batch_size=2,               # specify the batch size  gradient_accumulation_steps=4,               # the gradient accumulation steps  lr_scheduler_type="cosine",                 # use the learning rate as cosine learning rate scheduler  logging_steps=10,                      # log every 10 steps  warmup_ratio=0.1,                      # use warmup scheduler  save_steps=1000,                      # save checkpoint every 1000 steps  learning_rate=5e-5,                     # the learning rate  num_train_epochs=3.0,                    # the epochs of training  max_samples=500,                      # use 500 examples in each dataset  max_grad_norm=1.0,                     # clip gradient norm to 1.0  quantization_bit=4,                     # use 4-bit QLoRA  loraplus_lr_ratio=16.0,                   # use LoRA+ with lambda=16.0  use_unsloth=True,                      # use UnslothAI's LoRA optimization for 2x faster training  fp16=True,                         # use float16 mixed precision training)json.dump(args, open("train_llama3.json", "w", encoding="utf-8"), indent=2)

接下来，打开一个终端并运行以下命令

!llamafactory-cli train train_llama3.json

下面的代码会开启训练

7、一旦模型训练完成，我们就可以使用该模型进行推断。让我们试着这样做并检查模型是如何工作的。

args = dict(  model_name_or_path="unsloth/llama-3-8b-Instruct-bnb-4bit", # Specifies the name or path of the pre-trained model to be used for inference. In this case, it's set to "unsloth/llama-3-8b-Instruct-bnb-4bit".  #adapter_name_or_path="llama3_lora",            # load the saved LoRA adapters  finetuning_type="lora",                  # Specifies the type of fine-tuning. Here, it's set to "lora" for LoRA adapters.  template="llama3",                     # Specifies the prompt template to be used for inference. Here, it's set to "llama3"  quantization_bit=4,                    # Specifies the number of bits for quantization. In this case, it's set to 4  use_unsloth=True,                     # use UnslothAI's LoRA optimization for 2x faster generation)json.dump(args, open("infer_llama3.json", "w", encoding="utf-8"), indent=2)

在这里，我们使用保存的适配器定义我们的模型，选择聊天模板，并指定用户与助手的交互。

接下来，使用你的终端运行以下代码，

!llamafactory-cli chat infer_llama3.json

建议你可以使用 Llama-Factory 与其它模型做做尝试，调整参数。

小结

有效的微调已成为大型语言模型（LLMs）适应特定任务的必要条件之一。然而，这需要一定的努力，有时也相当具有挑战性。随着 Llama-Factory 的引入，这一全面的框架让训练更加高效，用户无需编写代码即可轻松为超过 100 个 LLMs 定制微调。

现在，很多人对大型语言模型（LLMs）更加好奇，有这样想法的开发者可以试试 Llama-Factory 是否可以调整自己的模型。这有助于开源社区的成长和活跃。Llama-Factory 正变得广为人知，甚至已被列入 Awesome Transformers3 中，作为高效微调 LLMs 的工具。

我们希望本文能鼓励更多开发者使用这一框架来创建有价值的 LLMs。不过请记得，在使用Llama-Factory微调LLMs时，遵守模型的许可规则很重要。

至此，本文结束。我们看到了如今在几分钟内微调任何模型是多么容易。我们还可以使用 Hugging Face CLI 将这个模型推送到 Hugging Face Hub 上。

最后，如果你想在 H100 或其他型号的 GPU 上跑自己的大语言模型，可以在 DigitalOcean 的 GPU 云服务上直接开通使用。你也可以访问 DigitalOcean 中国区独家战略合作伙伴卓普云科技咨询更多云服务相关方案。

也许您对下面的内容还感兴趣：