大模型微調(diào)開(kāi)源項(xiàng)目全流程

作者：1050Ti全量微調(diào).，東北大學(xué)軟件工程

微調(diào)實(shí)戰(zhàn)經(jīng)歷

本次微調(diào)經(jīng)驗(yàn)分享依據(jù)于我們?cè)?023年參加的“第2屆·百度搜索創(chuàng)新大賽——搜索答案組織”整個(gè)比賽過(guò)程。

我們團(tuán)隊(duì)選擇的基座模型是ChatGLM3-6B-Base模型，訓(xùn)練數(shù)據(jù)集為官方提供的數(shù)據(jù)集（9000條）,訓(xùn)練方法為LORA sft 監(jiān)督微調(diào)。

最終結(jié)果：score 36.12--ROUGE-L 41.03--BLEU-4 31.22,東三省排名第1名,全國(guó)最終排名為44/220.

開(kāi)始微調(diào)（SFT）

準(zhǔn)備微調(diào)框架

微調(diào)框架選擇的是github上面的llama-factory開(kāi)源項(xiàng)目

gitclonehttps://github.com/hiyouga/LLaMA-Factory.git

cdLLaMA-Factory

pipinstall-rrequirements.txt

推薦python=3.10，如果要在 Windows 平臺(tái)上開(kāi)啟量化 LoRA（QLoRA），需要安裝預(yù)編譯的 bitsandbytes 庫(kù), 支持 CUDA 11.1 到 12.1

pipinstallhttps://github.com/jllllll/bitsandbytes-windows-webui/releases/download/wheels/bitsandbytes-0.39.1-py3-none-win_amd64.whl

加載數(shù)據(jù)集

在data文件夾下面創(chuàng)建xxx.json命名格式的數(shù)據(jù)集json文件，本人設(shè)置的是baidutrain.json

json文件格式如下

[
{
"query":"王者榮耀鉆石奪寶幸運(yùn)值滿是多少",
"refs":[
"積分奪寶幸運(yùn)值滿值為360點(diǎn),鉆石奪寶幸運(yùn)值滿值為200點(diǎn),但是奪寶幸運(yùn)值滿了之后還需要一抽才能獲得水晶,所以積分奪寶361抽必定獲得水晶,鉆石奪寶201抽必定獲得水晶。",
"王者鉆石奪寶幸運(yùn)值滿是200。",
"1、最高的幸運(yùn)值上限是200,每抽一次會(huì)獲得1點(diǎn)幸運(yùn)值。王者榮耀里面的鉆石奪寶幸運(yùn)值達(dá)到200就滿了,也就是說(shuō)當(dāng)幸運(yùn)值滿200時(shí),再奪寶一次是必出一個(gè)王者水晶的,擁有王者水晶可以到水晶商店里面去兌換物品了,兌換的物品都是永久的。",
"幸運(yùn)值滿值是360,玩家在抽361的時(shí)候是保底必出水晶,這個(gè)保底是人人都能抽出水晶的,也就是100%可以讓玩家得到水晶,榮耀水晶的概率是0.8%,但是玩家們?nèi)绻诓粩嘣黾映楠?jiǎng)的次數(shù),那么抽出水晶的概率也會(huì)增加,想要抽出水晶的玩家可以將361次當(dāng)做保底的次數(shù)。",
"玩家獲取王者水晶之后，可以使用該道具兌換王者商店中的獎(jiǎng)勵(lì)，包含了回城特效、英雄、中級(jí)品質(zhì)的皮膚等獎(jiǎng)勵(lì)。"
],
"answer":"《王者榮耀》鉆石奪寶幸運(yùn)值滿值為200點(diǎn)。

鉆石奪寶幸運(yùn)值滿200后再抽一次必出一個(gè)王者水晶，玩家獲取王者水晶之后，可以使用該道具兌換王者商店中的獎(jiǎng)勵(lì)，其中包含了回城特效、英雄、中級(jí)品質(zhì)的皮膚等，兌換的物品永久有效。"
},
{
"query":"王手是什么意思",
"refs":[
"一、原神王手。王手這個(gè)詞出現(xiàn)在PV短片《雪姬逢椿》中。王手是小神里說(shuō)的,小神里很可愛(ài),說(shuō)王手二字的聲音也不錯(cuò)。所以玩家說(shuō)王手二字讓我氪了648。二、王手原意。王手是日本將棋的說(shuō)法,與中國(guó)象棋將軍的用法相似。意思是將軍(棋步),將軍。",
"一、原神王手在PV短片——「雪霽逢椿」中出現(xiàn)了王手這個(gè)詞。王手是由小神里說(shuō)出的,小神里十分可愛(ài),說(shuō)王手二字時(shí)聲音也好聽(tīng)。所以玩家就表示王手二字讓我氪了648。二、王手原本意思王手是日本將棋的說(shuō)法,和中國(guó)象棋將軍的用法差不多。是將軍(的棋步),將一軍的意思。",
"王手是日本將棋的說(shuō)法,與中國(guó)象棋將軍的用法相似。意思是將軍(棋步),將軍。",
"其中的王手是指,如能下了能擒拿對(duì)方王將的一手,類似于象棋里的將軍。稱之為王手。",
"王手，男，浙江溫州市人。1981年開(kāi)始發(fā)表小說(shuō)。近年小說(shuō)散見(jiàn)于《收獲》《人民文學(xué)》《當(dāng)代》《鐘山》《花城》《作家》《山花》等刊，出版中短篇小說(shuō)集《火藥槍》《柯依娜一個(gè)人》《獅身人面》"
],
"answer":"王手是指下了這步棋能擒拿對(duì)方王將的一手，類似于象棋里的將軍，是日本將棋中的一種說(shuō)法。

此外，王手還是中國(guó)作家協(xié)會(huì)會(huì)員，一級(jí)作家，出版中短篇小說(shuō)集《火藥槍》《柯依娜一個(gè)人》等。"
}
]

一定要將數(shù)據(jù)集所在的json文件加載到dataset_info.json中!!!!!!!!

"baidu_train":{
"file_name":"baidutrain.json"，
"columns":{
"prompt":"",#系統(tǒng)prompt
"query":"refs"+"query",#輸入
"response":"answer",#輸出
"history":""#歷史對(duì)話
}
}

啟動(dòng)微調(diào)

使用sft進(jìn)行微調(diào)

CUDA_VISIBLE_DEVICES=0pythonwork/jwx/ChatGLM-Efficient-Tuning-main/src/train_bash.py
--stagesft#微調(diào)方式
--model_name_or_pathwork/jwx/ChatGLM3-main/model#模型路徑
--do_train
--dataset_dirwork/jwx/ChatGLM-Efficient-Tuning-main/data#數(shù)據(jù)集文件夾
--datasetbaidu_dev,baidu_train#數(shù)據(jù)集
--finetuning_typelora#微調(diào)方法
--max_source_length2048#最大長(zhǎng)度
--max_target_length512
--learning_rate3e-05#學(xué)習(xí)率
--num_train_epochs3.0#學(xué)習(xí)輪數(shù)
--max_samples10000
--lora_rank8#lora訓(xùn)練的秩
--lora_dropout0.1
--lora_targetq_proj,v_proj#lora作用層
--resume_lora_trainingTrue
--output_dirsaves/output#輸出微調(diào)的文件夾
--fp16True#開(kāi)啟fp16微調(diào)
--per_device_train_batch_size4
--gradient_accumulation_steps4
--lr_scheduler_typecosine
--max_grad_norm1.0
--logging_steps5
--save_steps1000

對(duì)于所有“基座”（Base）模型，–template 參數(shù)可以是 default, alpaca, vicuna 等任意值。但“對(duì)話”（Chat）模型請(qǐng)務(wù)必使用對(duì)應(yīng)的模板。

更多參數(shù)信息：

https://github.com/hiyouga/ChatGLM-Efficient-Tuning/wiki/%E4%BD%BF%E7%94%A8%E6%96%B9%E6%B3%95

合并模型并導(dǎo)出

pythonsrc/export_model.py
--model_name_or_pathwork/jwx/ChatGLM3-main/model
--adapter_name_or_pathsaves/output
--templatedefault
--finetuning_typelora
--export_dirpath_to_export
--export_size7
--export_legacy_formatFalse

RW

獎(jiǎng)勵(lì)模型訓(xùn)練

數(shù)據(jù)準(zhǔn)備

獎(jiǎng)勵(lì)模型，作為RL中的critic，應(yīng)該讓模型知道什么是正確的答案和什么是錯(cuò)誤的答案，因此需要在數(shù)據(jù)集上進(jìn)行對(duì)于不同答案的一個(gè)打分情況，來(lái)讓機(jī)器進(jìn)行學(xué)習(xí)。格式如下：

[
0:{
input:"",
instruction:"Whatarethethreeprimarycolors?",
output:[
0:"Thethreeprimarycolorsarered,blue,andyellow.Thesecolorsarecalledprimarybecausetheycannotbecreatedbymixingothercolorsandallothercolorscanbemadebycombiningtheminvariousproportions.Intheadditivecolorsystem,usedforlight,theprimarycolorsarered,green,andblue(RGB).",
1:"Red,Yellow,andGreen."
]
},
1:{
input:"4/16",
instruction:"Explainwhythefollowingfractionisequivalentto1/4",
output:[
0:"Thefraction4/16isequivalentto1/4becausebothnumeratorsanddenominatorsaredivisibleby4.Dividingboththetopandbottomnumbersby4yieldsthefraction1/4.",
1:"1/4isthesameas1/4."
]
}
]

運(yùn)行微調(diào)

微調(diào)之后的獎(jiǎng)勵(lì)模型不可以直接進(jìn)行使用，因?yàn)閞w模型的輸出是一個(gè)打分，相當(dāng)于RL中的critic。

CUDA_VISIBLE_DEVICES=0pythonsrc/train_bash.py
--stagerm
--do_train
--model_name_or_pathpath_to_llama_model
--adapter_name_or_pathpath_to_sft_checkpoint#sft模型微調(diào)的權(quán)重文件，可加可不加
--create_new_adapter
--datasetcomparison_gpt4_zh
--templatedefault
--finetuning_typelora
--lora_targetq_proj,v_proj
--output_dirpath_to_rm_checkpoint
--per_device_train_batch_size2
--gradient_accumulation_steps4
--lr_scheduler_typecosine
--logging_steps10
--save_steps1000
--learning_rate1e-6
--num_train_epochs1.0
--plot_loss
--fp16

RLHF

準(zhǔn)備actor和critic

actor:對(duì)應(yīng)的是sft輸出的權(quán)重文件

critic：對(duì)應(yīng)的是RW輸出的權(quán)重文件

運(yùn)行RLHF

CUDA_VISIBLE_DEVICES=0pythonsrc/train_bash.py
--stageppo
--do_trainTrue
--model_name_or_pathbaichuan-inc/baichuan-7B
--adapter_name_or_pathsaves/Baichuan-7B-Base/lora/sft#sft輸出的權(quán)重文件
--finetuning_typelora
--templatedefault
--dataset_dirdata
--datasetalpaca_gpt4_en
--cutoff_len1024
--learning_rate5e-05
--num_train_epochs3.0
--max_samples100000
--per_device_train_batch_size4
--gradient_accumulation_steps4
--lr_scheduler_typecosine
--max_grad_norm1.0
--logging_steps5
--save_steps100
--warmup_steps0
--lora_rank8
--lora_dropout0.1
--lora_targetW_pack
--create_new_adapterTrue
--output_dirsaves/Baichuan-7B-Base/lora/train_2024-03-01-09-49-43
--fp16True
--reward_modelsaves/Baichuan-7B-Base/lora/rw#rw輸出的權(quán)重文件
--reward_model_typelora
--plot_lossTrue

多卡訓(xùn)練

使用accelerate進(jìn)行訓(xùn)練

accelerateconfig#首先配置分布式環(huán)境
acceleratelaunchsrc/train_bash.py
--stagesft#微調(diào)方式
--model_name_or_pathwork/jwx/ChatGLM3-main/model#模型路徑
--do_train
--dataset_dirwork/jwx/ChatGLM-Efficient-Tuning-main/data#數(shù)據(jù)集文件夾
--datasetbaidu_dev,baidu_train#數(shù)據(jù)集
--finetuning_typelora#微調(diào)方法
--max_source_length2048#最大長(zhǎng)度
--max_target_length512
--learning_rate3e-05#學(xué)習(xí)率
--num_train_epochs3.0#學(xué)習(xí)輪數(shù)
--max_samples10000
--lora_rank8#lora訓(xùn)練的秩
--lora_dropout0.1
--lora_targetq_proj,v_proj#lora作用層
--resume_lora_trainingTrue
--output_dirsaves/output#輸出微調(diào)的文件夾
--fp16True#開(kāi)啟fp16微調(diào)
--per_device_train_batch_size4
--gradient_accumulation_steps4
--lr_scheduler_typecosine
--max_grad_norm1.0
--logging_steps5
--save_steps1000#參數(shù)同上

使用deepspeed進(jìn)行訓(xùn)練

deepspeed--num_gpus8--master_port=9901src/train_bash.py
--deepspeedds_config.json
--stagesft#微調(diào)方式
--model_name_or_pathwork/jwx/ChatGLM3-main/model#模型路徑
--do_train
--dataset_dirwork/jwx/ChatGLM-Efficient-Tuning-main/data#數(shù)據(jù)集文件夾
--datasetbaidu_dev,baidu_train#數(shù)據(jù)集
--finetuning_typelora#微調(diào)方法
--max_source_length2048#最大長(zhǎng)度
--max_target_length512
--learning_rate3e-05#學(xué)習(xí)率
--num_train_epochs3.0#學(xué)習(xí)輪數(shù)
--max_samples10000
--lora_rank8#lora訓(xùn)練的秩
--lora_dropout0.1
--lora_targetq_proj,v_proj#lora作用層
--resume_lora_trainingTrue
--output_dirsaves/output#輸出微調(diào)的文件夾
--fp16True#開(kāi)啟fp16微調(diào)
--per_device_train_batch_size4
--gradient_accumulation_steps4
--lr_scheduler_typecosine
--max_grad_norm1.0
--logging_steps5
--save_steps1000

心得分享

下面我將本次比賽微調(diào)訓(xùn)練的得分的過(guò)程分享給大家

審核編輯：黃飛