😍 这篇主要简单记录一些调参实践，无聊时会不定期更新~

0、学习率与batch_size判断

• batch_size： 这不用多说，一般按2的指数设置如：2、4、8、16…。设多大基本看你的显卡显存能不能hold得住咯。
• 学习率： 常用的一些自适应学习率调整策略如：linear_with_warmup、cosine_with_warmup。现在像一些大模型如ChatGLM、LLaMA等的训练里基本都用的cosine。学习率基本就是：3e-5, 4e-5, 5e-5…这样调。
• 学习率与batch_size的关系： 一般来说，batch_size的大小一般与学习率的大小成正比。batch_size越大一般意味着算法收敛方向的置信度越大，也可以选择较大的学习率来加快收敛速度。而小的batch_size规律性较差，需要小的学习率保证不出错。在显存允许的情况下，选择大的batch-size。

1、Epoch数判断

• 1、观察训练集和验证集的损失函数（loss）和准确率（accuracy）的变化曲线，如果训练集的指标持续下降或上升，而验证集的指标开始出现反向变化或者停滞不动，那么可能就是过拟合或者欠拟合的现象，需要及时停止训练或者调整参数。【😄提一小点：有时候玄学在于过拟合不一定会导致模型效果变差， 有时反而相反。可以参考instructgpt论文，或者自己在数学、代码等任务试验一下，往往过拟合效果是更好的】
• 2、使用预训练模型（pre-trained model），比如BERT，GPT等，在大规模的数据集上进行了长时间的训练，已经学习到了很多通用的特征和知识，所以在微调的时候只需要少量的epoch就可以达到很好的效果。
• 3、Early Stopping，即在每个epoch结束后，用验证集评估模型的性能，如果性能没有提升或者下降了一定次数，就停止训练，并保存最佳的模型。

⭐似乎在一些预训练大模型上开始微调，基本就是wamup用5个左右的epoch；cosine schedule用10个左右的epoch尝试。咱也不知对不对，我以往是这样搞的。自己可以变大变小试试。

2、判断模型架构是否有问题

⭐ 我觉得可以用部分数据，训多几个epoch，看看模型会不会过拟合，如果会，那模型大概没啥问题。

3、大模型 - 计算量、模型、和数据大小的关系

在大模型的研发中，通常会有下面一些需求：

• 计划训练一个10B的模型，想知道至少需要多大的数据？
• 收集到了1T的数据，想知道能训练一个多大的模型？
• 老板准备1个月后开发布会，给的资源是100张A100，应该用多少数据训多大的模型效果最好？
• 老板对现在10B的模型不满意，想知道扩大到100B模型的效果能提升到多少？

以上这些问题都可以基于Scaling Law的理论进行回答。本文是阅读了一系列 Scaling Law的文章后的整理和思考，包括Scaling Law的概念和推导以及反Scaling Law的场景。
⭐ 解析大模型中的Scaling Law： https://zhuanlan.zhihu.com/p/667489780

4、大模型调参相关论文经验总结

下面是知乎清华老哥的总结：

• 最近在做一些大模型微调的工作。开始的时候比较头疼怎么调超参数，毕竟不能像小模型那样疯狂跑实验，看结果积累经验了，一是计算量太大，二是大模型比较不好评估（毕竟让模型做选择题不能准确的评估性能，一些垂类领域也很难搞到相关测试集，大部分在微调的工程师都是在调垂类模型吧:)。
• 其次，如果用GPT4评估又涉及到数据隐私问题，同时下边列举的一篇文章显示，GPT4更倾向于给句子长的、回答更多样性的答案更高的分数，有时候也是不准的。。。）。最后也只能多看看微调/训练相关的论文借鉴借鉴经验了。下边会列出一些最近看的文章，给出重要结论以及我的一些个人观点，如果有感兴趣就去精读一下，希望能帮助到一些微调er，本文章不定期更新。。。
• ⭐ 文章链接：https://www.zhihu.com/question/607397171

5、训练时模型的保存

• 一般来说我们会搞个验证集，设置一个评估指标，训练到多少个step或是1个epoch时，测一遍验证集，每次保存在验证集上最优指标对应的模型。
• 现在的一些大模型训练，基本在训练时不搞验证集，而是看train loss来保存最优模型。最常见的是每隔多少个step，保存一次模型checkpoint。最后训练结束后，再根据loss或是各个checkpoint在验证集的表现来挑个最优模型。