书生·浦语是上海人工智能实验室和商汤科技联合研发的一款大模型,很高兴能参与本次第二期训练营，我也将会通过笔记博客的方式记录学习的过程与遇到的问题，并为代码添加注释，希望可以帮助到你们。
记得点赞哟(๑ゝω╹๑)
XTuner 微调个人小助手认知
在本节课中讲一步步带领大家体验如何利用 XTuner 完成个人小助手的微调！
为了能够让大家更加快速的上手并看到微调前后对比的效果，那我这里选用的就是上一期的课后作业：用 QLoRA 的方式来微调一个自己的小助手！我们可以通过下面两张图片来清楚的看到两者的对比。
| 微调前 | 微调后 |
|---|---|
 |  |
可以明显看到的是，微调后的大模型真的能够被调整成我们想要的样子，下面就让我们一步步的来实现这个有趣的过程吧！
1 开发机准备
首先我们需要前往 InternStudio 中创建一个开发机进行使用。然后在进入界面后首先选择开发机。
首先，打开 Intern Studio 界面，点击 创建开发机 配置开发机系统。
之后我们填写 开发机名称 后，点击 选择镜像 使用 Cuda11.7-conda 镜像，然后在资源配置中，使用 10% A100 * 1 的选项，然后立即创建开发机器。
点击 进入开发机 选项。
最后我们点击 Terminal 进入终端界面即可开始操作！
完成准备工作后我们就可以正式开始我们的微调之旅啦！
2 快速上手
我们可以通过下面这张图来简单了解一下 XTuner 的运行原理。
-
环境安装：假如我们想要用 XTuner 这款简单易上手的微调工具包来对模型进行微调的话，那我们最最最先开始的第一步必然就是安装XTuner！安装基础的工具是一切的前提，只有安装了 XTuner 在我们本地后我们才能够去思考说具体怎么操作。
-
前期准备：那在完成了安装后，我们下一步就需要去明确我们自己的微调目标了。我们想要利用微调做一些什么事情呢，那我为了做到这个事情我有哪些硬件的资源和数据呢？假如我们有对于一件事情相关的数据集，并且我们还有足够的算力资源，那当然微调就是一件水到渠成的事情。就像 OpenAI 不就是如此吗？但是对于普通的开发者而言，在资源有限的情况下，我们可能就需要考虑怎么采集数据，用什么样的手段和方式来让模型有更好的效果。
-
启动微调：在确定了自己的微调目标后，我们就可以在 XTuner 的配置库中找到合适的配置文件并进行对应的修改。修改完成后即可一键启动训练！训练好的模型也可以仅仅通过在终端输入一行指令来完成转换和部署工作！
2.1 环境安装
首先我们需要先安装一个 XTuner 的源码到本地来方便后续的使用。
# 如果你是在 InternStudio 平台，则从本地 clone 一个已有 pytorch 的环境：
# pytorch 2.0.1 py3.10_cuda11.7_cudnn8.5.0_0
studio-conda xtuner0.1.17
# 如果你是在其他平台：
# conda create --name xtuner0.1.17 python=3.10 -y
# 激活环境
conda activate xtuner0.1.17
# 进入家目录 （~的意思是 “当前用户的home路径”）
cd ~
# 创建版本文件夹并进入，以跟随本教程
mkdir -p /root/xtuner0117 && cd /root/xtuner0117
# 拉取 0.1.17 的版本源码
git clone -b v0.1.17 https://github.com/InternLM/xtuner
# 无法访问github的用户请从 gitee 拉取:
# git clone -b v0.1.15 https://gitee.com/Internlm/xtuner
# 进入源码目录
cd /root/xtuner0117/xtuner
# 从源码安装 XTuner
pip install -e '.[all]'
假如速度太慢可以
Ctrl + C退出后换成pip install -e '.[all]' -i https://mirrors.aliyun.com/pypi/simple/
假如在这一过程中没有出现任何的报错的话，那也就意味着我们成功安装好支持 XTuner 所运行的环境啦。其实对于很多的初学者而言，安装好环境意味着成功了一大半！因此我们接下来就可以进入我们的第二步，准备好我们需要的数据集、模型和配置文件！
2.2 前期准备
2.2.1 数据集准备
为了让模型能够让模型认清自己的身份弟位，知道在询问自己是谁的时候回复成我们想要的样子，我们就需要通过在微调数据集中大量掺杂这部分的数据。
首先我们先创建一个文件夹来存放我们这次训练所需要的所有文件。
# 前半部分是创建一个文件夹，后半部分是进入该文件夹。
mkdir -p /root/ft && cd /root/ft
# 在ft这个文件夹里再创建一个存放数据的data文件夹
mkdir -p /root/ft/data && cd /root/ft/data
之后我们可以在 data 目录下新建一个 generate_data.py 文件，将以下代码复制进去，然后运行该脚本即可生成数据集。假如想要加大剂量让他能够完完全全认识到你的身份，那我们可以吧 n 的值调大一点。
# 创建 `generate_data.py` 文件
touch /root/ft/data/generate_data.py
打开该 python 文件后将下面的内容复制进去。
import json
# 设置用户的名字
name = '不要姜葱蒜大佬'
# 设置需要重复添加的数据次数
n = 10000
# 初始化OpenAI格式的数据结构
data = [
{
"messages": [
{
"role": "user",
"content": "请做一下自我介绍"
},
{
"role": "assistant",
"content": "我是{}的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦".format(name)
}
]
}
]
# 通过循环，将初始化的对话数据重复添加到data列表中
for i in range(n):
data.append(data[0])
# 将data列表中的数据写入到一个名为'personal_assistant.json'的文件中
with open('personal_assistant.json', 'w', encoding='utf-8') as f:
# 使用json.dump方法将数据以JSON格式写入文件
# ensure_ascii=False 确保中文字符正常显示
# indent=4 使得文件内容格式化，便于阅读
json.dump(data, f, ensure_ascii=False, indent=4)
并将文件 name 后面的内容修改为你的名称。比如说我是剑锋大佬的话就是：
# 将对应的name进行修改（在第4行的位置）
- name = '不要姜葱蒜大佬'
+ name = "剑锋大佬"
修改完成后运行 generate_data.py 文件即可。
# 确保先进入该文件夹
cd /root/ft/data
# 运行代码
python /root/ft/data/generate_data.py
可以看到在data的路径下便生成了一个名为 personal_assistant.json 的文件，这样我们最可用于微调的数据集就准备好啦！里面就包含了 5000 条 input 和 output 的数据对。假如 我们认为 5000 条不够的话也可以调整文件中第6行 n 的值哦！
|-- data/
|-- personal_assistant.json
|-- generate_data.py
文件结构树代码如下所示，使用方法为在终端调用该代码的同时在后方输入文件夹路径。
比如说我要打印 data 的文件结构树，假设我的代码文件保存在 /root/tree.py ，那我就要在终端输入 python /root/tree.py /root/ft/data
import os
import argparse
def print_dir_tree(startpath, prefix=''):
"""递归地打印目录树结构。"""
contents = [os.path.join(startpath, d) for d in os.listdir(startpath)]
directories = [d for d in contents if os.path.isdir(d)]
files = [f for f in contents if os.path.isfile(f)]
if files:
for f in files:
print(prefix + '|-- ' + os.path.basename(f))
if directories:
for d in directories:
print(prefix + '|-- ' + os.path.basename(d) + '/')
print_dir_tree(d, prefix=prefix + ' ')
def main():
parser = argparse.ArgumentParser(description='打印目录树结构')
parser.add_argument('folder', type=str, help='要打印的文件夹路径')
args = parser.parse_args()
print('|-- ' + os.path.basename(args.folder) + '/')
print_dir_tree(args.folder, ' ')
if __name__ == "__main__":
main()
除了我们自己通过脚本的数据集，其实网上也有大量的开源数据集可以供我们进行使用。有些时候我们可以在开源数据集的基础上添加一些我们自己独有的数据集，也可能会有很好的效果。
2.2.2 模型准备
在准备好了数据集后，接下来我们就需要准备好我们的要用于微调的模型。由于本次课程显存方面的限制，这里我们就使用 InternLM 最新推出的小模型 InterLM-chat-1.8B 来完成此次的微调演示。
对于在 InternStudio 上运行的小伙伴们，可以不用通过 OpenXLab 或者 Modelscope 进行模型的下载。我们直接通过以下代码一键创建文件夹并将所有文件复制进去。
# 创建目标文件夹，确保它存在。
# -p选项意味着如果上级目录不存在也会一并创建，且如果目标文件夹已存在则不会报错。
mkdir -p /root/ft/model
# 复制内容到目标文件夹。-r选项表示递归复制整个文件夹。
cp -r /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b/* /root/ft/model/
那这个时候我们就可以看到在 model 文件夹下保存了模型的相关文件和内容了。
|-- model/
|-- tokenizer.model
|-- config.json
|-- tokenization_internlm2.py
|-- model-00002-of-00002.safetensors
|-- tokenizer_config.json
|-- model-00001-of-00002.safetensors
|-- model.safetensors.index.json
|-- configuration.json
|-- special_tokens_map.json
|-- modeling_internlm2.py
|-- README.md
|-- configuration_internlm2.py
|-- generation_config.json
|-- tokenization_internlm2_fast.py
假如大家存储空间不足，我们也可以通过以下代码一键通过符号链接的方式链接到模型文件，这样既节省了空间，也便于管理。
# 删除/root/ft/model目录
rm -rf /root/ft/model
# 创建符号链接
ln -s /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b /root/ft/model
执行上述操作后，/root/ft/model 将直接成为一个符号链接，这个链接指向 /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b 的位置。
这意味着，当我们访问 /root/ft/model 时，实际上就是在访问 /root/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b 目录下的内容。通过这种方式，我们无需复制任何数据，就可以直接利用现有的模型文件进行后续的微调操作，从而节省存储空间并简化文件管理。
在该情况下的文件结构如下所示，可以看到和上面的区别在于多了一些软链接相关的文件。
|-- model/
|-- tokenizer.model
|-- config.json
|-- .mdl
|-- tokenization_internlm2.py
|-- model-00002-of-00002.safetensors
|-- tokenizer_config.json
|-- model-00001-of-00002.safetensors
|-- model.safetensors.index.json
|-- configuration.json
|-- .msc
|-- special_tokens_map.json
|-- .mv
|-- modeling_internlm2.py
|-- README.md
|-- configuration_internlm2.py
|-- generation_config.json
|-- tokenization_internlm2_fast.py
2.2.3 配置文件选择
在准备好了模型和数据集后，我们就要根据我们选择的微调方法方法结合前面的信息来找到与我们最匹配的配置文件了，从而减少我们对配置文件的修改量。
所谓配置文件（config），其实是一种用于定义和控制模型训练和测试过程中各个方面的参数和设置的工具。准备好的配置文件只要运行起来就代表着模型就开始训练或者微调了。
XTuner 提供多个开箱即用的配置文件，用户可以通过下列命令查看：
开箱即用意味着假如能够连接上 Huggingface 以及有足够的显存，其实就可以直接运行这些配置文件，XTuner就能够直接下载好这些模型和数据集然后开始进行微调
# 列出所有内置配置文件
# xtuner list-cfg
# 假如我们想找到 internlm2-1.8b 模型里支持的配置文件
xtuner list-cfg -p internlm2_1_8b
这里就用到了第一个 XTuner 的工具
list-cfg，对于这个工具而言，可以选择不添加额外的参数，就像上面的一样，这样就会将所有的配置文件都打印出来。那同时也可以加上一个参数-p或--pattern，后面输入的内容将会在所有的 config 文件里进行模糊匹配搜索，然后返回最有可能得内容。我们可以用来搜索特定模型的配置文件，比如例子中的 internlm2_1_8b ,也可以用来搜索像是微调方法 qlora 。
根据上面的定向搜索指令可以看到目前只有两个支持 internlm2-1.8B 的模型配置文件。
==========================CONFIGS===========================
PATTERN: internlm2_1_8b
-------------------------------
internlm2_1_8b_full_alpaca_e3
internlm2_1_8b_qlora_alpaca_e3
=============================================================
以 internlm2_1_8b_qlora_alpaca_e3 举例：
| 模型名 | 说明 |
|---|---|
| internlm2_1_8b | 模型名称 |
| qlora | 使用的算法 |
| alpaca | 数据集名称 |
| e3 | 把数据集跑3次 |
虽然我们用的数据集并不是 alpaca 而是我们自己通过脚本制作的小助手数据集 ，但是由于我们是通过 QLoRA 的方式对 internlm-chat-1.8b 进行微调。而最相近的配置文件应该就是 internlm2_1_8b_qlora_alpaca_e3 ，因此我们可以选择拷贝这个配置文件到当前目录：
# 创建一个存放 config 文件的文件夹
mkdir -p /root/ft/config
# 使用 XTuner 中的 copy-cfg 功能将 config 文件复制到指定的位置
xtuner copy-cfg internlm2_1_8b_qlora_alpaca_e3 /root/ft/config
这里我们就用到了 XTuner 工具箱中的第二个工具
copy-cfg，该工具有两个必须要填写的参数{CONFIG_NAME}和{SAVE_PATH}，在我们的输入的这个指令中，我们的{CONFIG_NAME}对应的是上面搜索到的internlm2_1_8b_qlora_alpaca_e3,而{SAVE_PATH}则对应的是刚刚新建的/root/ft/config。我们假如需要复制其他的配置文件只需要修改这两个参数即可实现。
输入后我们就能够看到在我们的/root/ft/config文件夹下有一个名为internlm2_1_8b_qlora_alpaca_e3_copy.py的文件了。
|-- config/
|-- internlm2_1_8b_qlora_alpaca_e3_copy.py
2.2.4 小结
完成以上内容后，我就已经完成了所有的准备工作了。我们再来回顾一下我们做了哪些事情：
- 我们首先是在 GitHub 上克隆了 XTuner 的源码，并把相关的配套库也通过 pip 的方式进行了安装。
- 然后我们根据自己想要做的事情，利用脚本准备好了一份关于调教模型认识自己身份弟位的数据集。
- 再然后我们根据自己的显存及任务情况确定了使用 InternLM-chat-1.8B 这个模型，并且将其复制到我们的文件夹里。
- 最后我们在 XTuner 已有的配置文件中，根据微调方法、数据集和模型挑选出最合适的配置文件并复制到我们新建的文件夹中。
经过了以上的步骤后，我们的 ft 文件夹里应该是这样的：
|-- ft/
|-- config/
|-- internlm2_1_8b_qlora_alpaca_e3_copy.py
|-- model/
|-- tokenizer.model
|-- config.json
|-- tokenization_internlm2.py
|-- model-00002-of-00002.safetensors
|-- tokenizer_config.json
|-- model-00001-of-00002.safetensors
|-- model.safetensors.index.json
|-- configuration.json
|-- special_tokens_map.json
|-- modeling_internlm2.py
|-- README.md
|-- configuration_internlm2.py
|-- generation_config.json
|-- tokenization_internlm2_fast.py
|-- data/
|-- personal_assistant.json
|-- generate_data.py
是不是感觉其实微调也不过如此！事实上确实是这样的！其实在微调的时候最重要的还是要自己准备一份高质量的数据集，这个才是你能否真微调出效果最核心的利器。
微调也经常被戏称为是炼丹，就是说你炼丹的时候你得思考好用什么样的材料、用多大的火候、烤多久的时间以及用什么丹炉去烧。这里的丹炉其实我们可以想象为 XTuner ，只要丹炉的质量过得去，炼丹的时候不会炸，一般都是没问题的。但是假如炼丹的材料（就是数据集）本来就是垃圾，那无论怎么炼（微调参数的调整），炼多久（训练的轮数），炼出来的东西还只能且只会是垃圾。只有说用了比较好的材料，那么我们就可以考虑说要炼多久以及用什么办法去炼的问题。因此总的来说，学会如何构建一份高质量的数据集是至关重要的。
假如想要了解更多关于数据集制作方面的内容，可以加入书生.浦语的 RolePlay SIG 中，里面会有各种大佬手把手教学，教你如何制作一个自己喜欢角色的数据集出来。也期待更多大佬加入讲述自己制作数据集的想法和过程！
2.3 配置文件修改
在选择了一个最匹配的配置文件并准备好其他内容后，下面我们要做的事情就是根据我们自己的内容对该配置文件进行调整，使其能够满足我们实际训练的要求。
配置文件介绍假如我们真的打开配置文件后，我们可以看到整体的配置文件分为五部分：
-
PART 1 Settings：涵盖了模型基本设置，如预训练模型的选择、数据集信息和训练过程中的一些基本参数（如批大小、学习率等）。
-
PART 2 Model & Tokenizer：指定了用于训练的模型和分词器的具体类型及其配置，包括预训练模型的路径和是否启用特定功能（如可变长度注意力），这是模型训练的核心组成部分。
-
PART 3 Dataset & Dataloader：描述了数据处理的细节，包括如何加载数据集、预处理步骤、批处理大小等，确保了模型能够接收到正确格式和质量的数据。
-
PART 4 Scheduler & Optimizer：配置了优化过程中的关键参数，如学习率调度策略和优化器的选择，这些是影响模型训练效果和速度的重要因素。
-
PART 5 Runtime：定义了训练过程中的额外设置，如日志记录、模型保存策略和自定义钩子等，以支持训练流程的监控、调试和结果的保存。
一般来说我们需要更改的部分其实只包括前三部分，而且修改的主要原因是我们修改了配置文件中规定的模型、数据集。后两部分都是 XTuner 官方帮我们优化好的东西，一般而言只有在魔改的情况下才需要进行修改。下面我们将根据项目的要求一步步的进行修改和调整吧！
通过折叠部分的修改，内容如下，可以直接将以下代码复制到 /root/ft/config/internlm2_1_8b_qlora_alpaca_e3_copy.py 文件中（先 Ctrl + A 选中所有文件并删除后再将代码复制进去）。
首先在 PART 1 的部分，由于我们不再需要在 Huggingface 上自动下载模型，因此我们先要更换模型的路径以及数据集的路径为我们本地的路径。
# 修改模型地址（在第27行的位置）
- pretrained_model_name_or_path = 'internlm/internlm2-1_8b'
+ pretrained_model_name_or_path = '/root/ft/model'
# 修改数据集地址为本地的json文件地址（在第31行的位置）
- alpaca_en_path = 'tatsu-lab/alpaca'
+ alpaca_en_path = '/root/ft/data/personal_assistant.json'
除此之外，我们还可以对一些重要的参数进行调整，包括学习率（lr）、训练的轮数（max_epochs）等等。由于我们这次只是一个简单的让模型知道自己的身份弟位，因此我们的训练轮数以及单条数据最大的 Token 数（max_length）都可以不用那么大。
# 修改max_length来降低显存的消耗（在第33行的位置）
- max_length = 2048
+ max_length = 1024
# 减少训练的轮数（在第44行的位置）
- max_epochs = 3
+ max_epochs = 2
# 增加保存权重文件的总数（在第54行的位置）
- save_total_limit = 2
+ save_total_limit = 3
另外，为了训练过程中能够实时观察到模型的变化情况，XTuner 也是贴心的推出了一个 evaluation_inputs 的参数来让我们能够设置多个问题来确保模型在训练过程中的变化是朝着我们想要的方向前进的。比如说我们这里是希望在问出 “请你介绍一下你自己” 或者说 “你是谁” 的时候，模型能够给你的回复是 “我是XXX的小助手…” 这样的回复。因此我们也可以根据这个需求进行更改。
# 修改每多少轮进行一次评估（在第57行的位置）
- evaluation_freq = 500
+ evaluation_freq = 300
# 修改具体评估的问题（在第59到61行的位置）
# 可以自由拓展其他问题
- evaluation_inputs = ['请给我介绍五个上海的景点', 'Please tell me five scenic spots in Shanghai']
+ evaluation_inputs = ['请你介绍一下你自己', '你是谁', '你是我的小助手吗']
这样修改完后在评估过程中就会显示在当前的权重文件下模型对这几个问题的回复了。
由于我们的数据集不再是原本的 aplaca 数据集，因此我们也要进入 PART 3 的部分对相关的内容进行修改。包括说我们数据集输入的不是一个文件夹而是一个单纯的 json 文件以及我们的数据集格式要求改为我们最通用的 OpenAI 数据集格式。
# 把 OpenAI 格式的 map_fn 载入进来（在第15行的位置）
- from xtuner.dataset.map_fns import alpaca_map_fn, template_map_fn_factory
+ from xtuner.dataset.map_fns import openai_map_fn, template_map_fn_factory
# 将原本是 alpaca 的地址改为是 json 文件的地址（在第102行的位置）
- dataset=dict(type=load_dataset, path=alpaca_en_path),
+ dataset=dict(type=load_dataset, path='json', data_files=dict(train=alpaca_en_path)),
# 将 dataset_map_fn 改为通用的 OpenAI 数据集格式（在第105行的位置）
- dataset_map_fn=alpaca_map_fn,
+ dataset_map_fn=openai_map_fn,
常用超参
| 参数名 | 解释 |
|---|---|
| data_path | 数据路径或 HuggingFace 仓库名 |
| max_length | 单条数据最大 Token 数，超过则截断 |
| pack_to_max_length | 是否将多条短数据拼接到 max_length，提高 GPU 利用率 |
| accumulative_counts | 梯度累积，每多少次 backward 更新一次参数 |
| sequence_parallel_size | 并行序列处理的大小，用于模型训练时的序列并行 |
| batch_size | 每个设备上的批量大小 |
| dataloader_num_workers | 数据加载器中工作进程的数量 |
| max_epochs | 训练的最大轮数 |
| optim_type | 优化器类型，例如 AdamW |
| lr | 学习率 |
| betas | 优化器中的 beta 参数，控制动量和平方梯度的移动平均 |
| weight_decay | 权重衰减系数，用于正则化和避免过拟合 |
| max_norm | 梯度裁剪的最大范数，用于防止梯度爆炸 |
| warmup_ratio | 预热的比例，学习率在这个比例的训练过程中线性增加到初始学习率 |
| save_steps | 保存模型的步数间隔 |
| save_total_limit | 保存的模型总数限制，超过限制时删除旧的模型文件 |
| prompt_template | 模板提示，用于定义生成文本的格式或结构 |
| … | … |
如果想把显卡的现存吃满，充分利用显卡资源，可以将
max_length和batch_size这两个参数调大。
# 导入所需的库和模块
import torch
from datasets import load_dataset
from mmengine.dataset import DefaultSampler
from mmengine.hooks import (CheckpointHook, DistSamplerSeedHook, IterTimerHook,
LoggerHook, ParamSchedulerHook)
from mmengine.optim import AmpOptimWrapper, CosineAnnealingLR, LinearLR
from peft import LoraConfig
from torch.optim import AdamW
from transformers import (AutoModelForCausalLM, AutoTokenizer,
BitsAndBytesConfig)
from xtuner.dataset import process_hf_dataset
from xtuner.dataset.collate_fns import default_collate_fn
from xtuner.dataset.map_fns import openai_map_fn, template_map_fn_factory
from xtuner.engine.hooks import (DatasetInfoHook, EvaluateChatHook,
VarlenAttnArgsToMessageHubHook)
from xtuner.engine.runner import TrainLoop
from xtuner.model import SupervisedFinetune
from xtuner.parallel.sequence import SequenceParallelSampler
from xtuner.utils import PROMPT_TEMPLATE, SYSTEM_TEMPLATE
#######################################################################
# PART 1 设置部分 #
#######################################################################
# 模型
pretrained_model_name_or_path = '/root/ft/model'
use_varlen_attn = False # 是否使用可变长度注意力机制
# 数据
alpaca_en_path = '/root/ft/data/personal_assistant.json'
prompt_template = PROMPT_TEMPLATE.default
max_length = 1024
pack_to_max_length = True
# 并行设置
sequence_parallel_size = 1 # 并行大小
# 调度器和优化器
batch_size = 1 # 每个设备的批量大小
accumulative_counts = 16 # 累积更新次数
accumulative_counts *= sequence_parallel_size # 考虑到并行
dataloader_num_workers = 0 # 数据加载器的工作进程数
max_epochs = 2 # 最大训练轮数
optim_type = AdamW # 优化器类型
lr = 2e-4 # 学习率
betas = (0.9, 0.999) # AdamW 优化器的 betas 参数
weight_decay = 0 # 权重衰减
max_norm = 1 # 梯度裁剪的最大范数
warmup_ratio = 0.03 # 学习率 warmup 比例
# 保存
save_steps = 300 # 每隔多少步保存一次模型
save_total_limit = 3 # 最多保存的模型数量（-1 表示不限制）
# 训练过程中的生成评估
evaluation_freq = 300 # 每隔多少步进行一次生成评估
SYSTEM = '' # 系统名称，可选
evaluation_inputs = ['请你介绍一下你自己', '你是谁', '你是我的小助手吗'] # 用于评估的输入文本
#######################################################################
# PART 2 模型和分词器设置 #
#######################################################################
tokenizer = dict(
type=AutoTokenizer.from_pretrained, # 使用预训练模型加载分词器
pretrained_model_name_or_path=pretrained_model_name_or_path, # 预训练模型路径
trust_remote_code=True, # 是否信任远程代码
padding_side='right' # 填充位置
)
model = dict(
type=SupervisedFinetune, # 模型类型
use_varlen_attn=use_varlen_attn, # 是否使用可变长度注意力机制
llm=dict(
type=AutoModelForCausalLM.from_pretrained, # 使用预训练模型加载语言模型
pretrained_model_name_or_path=pretrained_model_name_or_path, # 预训练模型路径
trust_remote_code=True, # 是否信任远程代码
torch_dtype=torch.float16, # torch 张量数据类型
quantization_config=dict(
type=BitsAndBytesConfig, # 使用 BitsAndBytesConfig 进行量化配置
load_in_4bit=True, # 是否以 4 位加载
load_in_8bit=False, # 是否以 8 位加载
llm_int8_threshold=6.0, # 阈值
llm_int8_has_fp16_weight=False, # 是否有 fp16 权重
bnb_4bit_compute_dtype=torch.float16, # 4 位计算数据类型
bnb_4bit_use_double_quant=True, # 是否使用双量化
bnb_4bit_quant_type='nf4' # 量化类型
)),
lora=dict(
type=LoraConfig, # Lora 配置
r=64, # 参数 r
lora_alpha=16, # 参数 alpha
lora_dropout=0.1, # Dropout 概率
bias='none', # 偏置设置
task_type='CAUSAL_LM' # 任务类型
)
)
#######################################################################
# PART 3 数据集和数据加载器设置 #
#######################################################################
alpaca_en = dict(
type=process_hf_dataset, # 数据集处理函数类型
dataset=dict(type=load_dataset, path='json', data_files=dict(train=alpaca_en_path)), # 加载数据集
tokenizer=tokenizer, # 分词器
max_length=max_length, # 最大长度
dataset_map_fn=openai_map_fn, # 数据集映射函数
template_map_fn=dict(
type=template_map_fn_factory, template=prompt_template), # 模板映射函数
remove_unused_columns=True, # 是否删除未使用的列
shuffle_before_pack=True, # 打包前是否进行洗牌
pack_to_max_length=pack_to_max_length, # 是否打包到最大长度
use_varlen_attn=use_varlen_attn # 是否使用可变长度注意力机制
)
sampler = SequenceParallelSampler if sequence_parallel_size > 1 else DefaultSampler # 根据并行大小选择采样器类型
train_dataloader = dict(
batch_size=batch_size, # 每个设备的批量大小
num_workers=dataloader_num_workers, # 数据加载器的工作进程数
dataset=alpaca_en, # 数据集
sampler=dict(type=sampler, shuffle=True), # 采样器
collate_fn=dict(type=default_collate_fn, use_varlen_attn=use_varlen_attn) # 数据整合函数
)
#######################################################################
# PART 4 调度器和优化器设置 #
#######################################################################
# 优化器设置
optim_wrapper = dict(
type=AmpOptimWrapper, # 优化器包装器类型
optimizer=dict(
type=optim_type, lr=lr, betas=betas, weight_decay=weight_decay), # 优化器参数
clip_grad=dict(max_norm=max_norm, error_if_nonfinite=False), # 梯度裁剪设置
accumulative_counts=accumulative_counts, # 累积更新次数
loss_scale='dynamic', # 损失尺度
dtype='float16' # 数据类型
)
# 学习策略
param_scheduler = [
dict(
type=LinearLR, # 线性学习率调度器
start_factor=1e-5, # 初始因子
by_epoch=True, # 按轮数调整
begin=0, # 起始轮数
end=warmup_ratio * max_epochs, # 结束轮数
convert_to_iter_based=True), # 是否转换为基于迭代次数的调度器
dict(
type=CosineAnnealingLR, # 余弦退火学习率调度器
eta_min=0.0, # 最小学习率
by_epoch=True, # 按轮数调整
begin=warmup_ratio * max_epochs, # 开始轮数
end=max_epochs, # 结束轮数
convert_to_iter_based=True) # 是否转换为基于迭代次数的调度器
]
# 训练、验证、测试设置
train_cfg = dict(type=TrainLoop, max_epochs=max_epochs)
#######################################################################
# PART 5 运行时设置 #
#######################################################################
# 自定义钩子
custom_hooks = [
dict(type=DatasetInfoHook, tokenizer=tokenizer), # 数据集信息钩子
dict(
type=EvaluateChatHook, # 评估对话钩子
tokenizer=tokenizer, # 分词器
every_n_iters=evaluation_freq, # 每隔多少步评估一次
evaluation_inputs=evaluation_inputs, # 评估输入
system=SYSTEM, # 系统名称
prompt_template=prompt_template) # 提示模板
]
if use_varlen_attn: # 如果使用可变长度注意力机制
custom_hooks += [dict(type=VarlenAttnArgsToMessageHubHook)] # 添加自定义钩子
# 默认钩子配置
default_hooks = dict(
timer=dict(type=IterTimerHook), # 记录每次迭代的时间
logger=dict(type=LoggerHook, log_metric_by_epoch=False, interval=10), # 日志记录器
param_scheduler=dict(type=ParamSchedulerHook), # 参数调度器
checkpoint=dict(
type=CheckpointHook, # 检查点钩子
by_epoch=False, # 是否按轮数保存检查点
interval=save_steps, # 保存间隔
max_keep_ckpts=save_total_limit), # 最多保存检查点数
sampler_seed=dict(type=DistSamplerSeedHook) # 分布式采样器种子设置
)
# 环境配置
env_cfg = dict(
cudnn_benchmark=False, # 是否启用 cudnn 优化
mp_cfg=dict(mp_start_method='fork', opencv_num_threads=0), # 多进程配置
dist_cfg=dict(backend='nccl') # 分布式配置
)
# 可视化器
visualizer = None # 不使用可视化器
# 日志级别
log_level = 'INFO' # 日志级别设置为 INFO
# 从哪个检查点加载模型
load_from = None # 不加载任何检查点
# 是否从加载的检查点恢复训练
resume = False # 不恢复训练
# 随机性设置
randomness = dict(seed=None, deterministic=False) # 随机种子和是否确定性设置为默认值
# 日志处理器
log_processor = dict(by_epoch=False) # 不按轮数处理日志
这一节我们讲述了微调过程中一些常见的需要调整的内容，包括各种的路径、超参数、评估问题等等。完成了这部分的修改后，我们就可以正式的开始我们下一阶段的旅程： XTuner 启动~！
2.4 模型训练
2.4.1 常规训练
当我们准备好了配置文件好，我们只需要将使用 xtuner train 指令即可开始训练。
我们可以通过添加 --work-dir 指定特定的文件保存位置，比如说就保存在 /root/ft/train 路径下。假如不添加的话模型训练的过程文件将默认保存在 ./work_dirs/internlm2_1_8b_qlora_alpaca_e3_copy 的位置，就比如说我是在 /root/ft/train 的路径下输入该指令，那么我的文件保存的位置就是在 /root/ft/train/work_dirs/internlm2_1_8b_qlora_alpaca_e3_copy 的位置下。
# 指定保存路径
xtuner train /root/ft/config/internlm2_1_8b_qlora_alpaca_e3_copy.py --work-dir /root/ft/train
在输入训练完后的文件如下所示：
|-- train/
|-- internlm2_1_8b_qlora_alpaca_e3_copy.py
|-- iter_600.pth
|-- last_checkpoint
|-- iter_768.pth
|-- iter_300.pth
|-- 20240406_203957/
|-- 20240406_203957.log
|-- vis_data/
|-- 20240406_203957.json
|-- eval_outputs_iter_599.txt
|-- eval_outputs_iter_767.txt
|-- scalars.json
|-- eval_outputs_iter_299.txt
|-- config.py
2.4.2 使用 deepspeed 来加速训练
除此之外，我们也可以结合 XTuner 内置的 deepspeed 来加速整体的训练过程，共有三种不同的 deepspeed 类型可进行选择，分别是 deepspeed_zero1, deepspeed_zero2 和 deepspeed_zero3（详细的介绍可看下拉框）。
DeepSpeed是一个深度学习优化库，由微软开发，旨在提高大规模模型训练的效率和速度。它通过几种关键技术来优化训练过程，包括模型分割、梯度累积、以及内存和带宽优化等。DeepSpeed特别适用于需要巨大计算资源的大型模型和数据集。
在DeepSpeed中，zero 代表“ZeRO”（Zero Redundancy Optimizer），是一种旨在降低训练大型模型所需内存占用的优化器。ZeRO 通过优化数据并行训练过程中的内存使用，允许更大的模型和更快的训练速度。ZeRO 分为几个不同的级别，主要包括：
-
deepspeed_zero1：这是ZeRO的基本版本，它优化了模型参数的存储，使得每个GPU只存储一部分参数，从而减少内存的使用。
-
deepspeed_zero2：在deepspeed_zero1的基础上，deepspeed_zero2进一步优化了梯度和优化器状态的存储。它将这些信息也分散到不同的GPU上，进一步降低了单个GPU的内存需求。
-
deepspeed_zero3：这是目前最高级的优化等级，它不仅包括了deepspeed_zero1和deepspeed_zero2的优化，还进一步减少了激活函数的内存占用。这通过在需要时重新计算激活（而不是存储它们）来实现，从而实现了对大型模型极其内存效率的训练。
选择哪种deepspeed类型主要取决于你的具体需求，包括模型的大小、可用的硬件资源（特别是GPU内存）以及训练的效率需求。一般来说：
- 如果你的模型较小，或者内存资源充足，可能不需要使用最高级别的优化。
- 如果你正在尝试训练非常大的模型，或者你的硬件资源有限，使用deepspeed_zero2或deepspeed_zero3可能更合适，因为它们可以显著降低内存占用，允许更大模型的训练。
- 选择时也要考虑到实现的复杂性和运行时的开销，更高级的优化可能需要更复杂的设置，并可能增加一些计算开销。
# 使用 deepspeed 来加速训练
xtuner train /root/ft/config/internlm2_1_8b_qlora_alpaca_e3_copy.py --work-dir /root/ft/train_deepspeed --deepspeed deepspeed_zero2
可以看到，通过 deepspeed 来训练后得到的权重文件和原本的权重文件是有所差别的，原本的仅仅是一个 .pth 的文件，而使用了 deepspeed 则是一个名字带有 .pth 的文件夹，在该文件夹里保存了两个 .pt 文件。当然这两者在具体的使用上并没有太大的差别，都是可以进行转化并整合。
|-- train_deepspeed/
|-- internlm2_1_8b_qlora_alpaca_e3_copy.py
|-- zero_to_fp32.py
|-- last_checkpoint
|-- iter_600.pth/
|-- bf16_zero_pp_rank_0_mp_rank_00_optim_states.pt
|-- mp_rank_00_model_states.pt
|-- 20240406_220727/
|-- 20240406_220727.log
|-- vis_data/
|-- 20240406_220727.json
|-- eval_outputs_iter_599.txt
|-- eval_outputs_iter_767.txt
|-- scalars.json
|-- eval_outputs_iter_299.txt
|-- config.py
|-- iter_768.pth/
|-- bf16_zero_pp_rank_0_mp_rank_00_optim_states.pt
|-- mp_rank_00_model_states.pt
|-- iter_300.pth/
|-- bf16_zero_pp_rank_0_mp_rank_00_optim_states.pt
|-- mp_rank_00_model_states.pt
2.4.3 训练结果
但是其实无论是用哪种方式进行训练，得到的结果都是大差不差的。我们由于设置了300轮评估一次，所以我们可以对比一下300轮和600轮的评估问题结果来看看差别。
# 300轮
<|User|>:请你介绍一下你自己
<|Bot|>:我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦</s>
<|User|>:你是谁
<|Bot|>:我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦</s>
<|User|>:你是我的小助手吗
<|Bot|>:是的</s>
# 600轮
<|User|>:请你介绍一下你自己
<|Bot|>:我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦</s>
<|User|>:你是谁
<|Bot|>:我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦</s>
<|User|>:你是我的小助手吗
<|Bot|>:我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦</s>
通过两者的对比我们其实就可以很清楚的看到，在300轮的时候模型已经学会了在我问 “你是谁” 或者说 “请你介绍一下我自己” 的时候回答 “我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦”。
但是两者的不同是在询问 “你是我的小助手” 的这个问题上，300轮的时候是回答正确的，回答了 “是” ，但是在600轮的时候回答的还是 “我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦” 这一段话。这表明模型在第一批次第600轮的时候已经出现严重的过拟合（即模型丢失了基础的能力，只会成为某一句话的复读机）现象了，到后面的话无论我们再问什么，得到的结果也就只能是回答这一句话了，模型已经不会再说别的话了。因此假如以通用能力的角度选择最合适的权重文件的话我们可能会选择前面的权重文件进行后续的模型转化及整合工作。
假如我们想要解决这个问题，其实可以通过以下两个方式解决：
- 减少保存权重文件的间隔并增加权重文件保存的上限：这个方法实际上就是通过降低间隔结合评估问题的结果，从而找到最优的权重文。我们可以每隔100个批次来看什么时候模型已经学到了这部分知识但是还保留着基本的常识，什么时候已经过拟合严重只会说一句话了。但是由于再配置文件有设置权重文件保存数量的上限，因此同时将这个上限加大也是非常必要的。
- 增加常规的对话数据集从而稀释原本数据的占比：这个方法其实就是希望我们正常用对话数据集做指令微调的同时还加上一部分的数据集来让模型既能够学到正常对话，但是在遇到特定问题时进行特殊化处理。比如说我在一万条正常的对话数据里混入两千条和小助手相关的数据集，这样模型同样可以在不丢失对话能力的前提下学到剑锋大佬的小助手这句话。这种其实是比较常见的处理方式，大家可以自己动手尝试实践一下。
模型续训指南另外假如我们模型中途中断了，我们也可以参考以下方法实现模型续训工作
假如我们的模型训练过程中突然被中断了，我们也可以通过在原有指令的基础上加上 --resume {checkpoint_path} 来实现模型的继续训练。需要注意的是，这个继续训练得到的权重文件和中断前的完全一致，并不会有任何区别。下面我将用训练了500轮的例子来进行演示。
# 模型续训
xtuner train /root/ft/config/internlm2_1_8b_qlora_alpaca_e3_copy.py --work-dir /root/ft/train --resume /root/ft/train/iter_600.pth
在实测过程中，虽然权重文件并没有发生改变，但是会多一个以时间戳为名的训练过程文件夹保存训练的过程数据。
|-- train/
|-- internlm2_1_8b_qlora_alpaca_e3_copy.py
|-- iter_600.pth
|-- last_checkpoint
|-- iter_768.pth
|-- iter_300.pth
|-- 20240406_203957/
|-- 20240406_203957.log
|-- vis_data/
|-- 20240406_203957.json
|-- eval_outputs_iter_599.txt
|-- eval_outputs_iter_767.txt
|-- scalars.json
|-- eval_outputs_iter_299.txt
|-- config.py
|-- 20240406_225723/
|-- 20240406_225723.log
|-- vis_data/
|-- 20240406_225723.json
|-- eval_outputs_iter_767.txt
|-- scalars.json
|-- config.py
2.4.4 小结
在本节我们的重点是讲解模型训练过程中的种种细节内容，包括了模型训练中的各个参数以、权重文件的选择方式以及模型续训的方法。可以看到是否使用 --work-dir 和 是否使用 --deepspeed 会对文件的保存位置以及权重文件的保存方式有所不同，大家也可以通过实践去实际的测试感受一下。那么在训练完成后，我们就可以把训练得到的 .pth 文件进行下一步的转换和整合工作了！
2.5 模型转换、整合、测试及部署
2.5.1 模型转换
模型转换的本质其实就是将原本使用 Pytorch 训练出来的模型权重文件转换为目前通用的 Huggingface 格式文件，那么我们可以通过以下指令来实现一键转换。
# 创建一个保存转换后 Huggingface 格式的文件夹
mkdir -p /root/ft/huggingface
# 模型转换
# xtuner convert pth_to_hf ${配置文件地址} ${权重文件地址} ${转换后模型保存地址}
xtuner convert pth_to_hf /root/ft/train/internlm2_1_8b_qlora_alpaca_e3_copy.py /root/ft/train/iter_768.pth /root/ft/huggingface
转换完成后，可以看到模型被转换为 Huggingface 中常用的 .bin 格式文件，这就代表着文件成功被转化为 Huggingface 格式了。
|-- huggingface/
|-- adapter_config.json
|-- xtuner_config.py
|-- adapter_model.bin
|-- README.md
此时，huggingface 文件夹即为我们平时所理解的所谓 “LoRA 模型文件”
可以简单理解：LoRA 模型文件 = Adapter
除此之外，我们其实还可以在转换的指令中添加几个额外的参数，包括以下两个：
| 参数名 | 解释 |
|---|---|
| –fp32 | 代表以fp32的精度开启，假如不输入则默认为fp16 |
| –max-shard-size {GB} | 代表每个权重文件最大的大小（默认为2GB） |
假如有特定的需要，我们可以在上面的转换指令后进行添加。由于本次测试的模型文件较小，并且已经验证过拟合，故没有添加。假如加上的话应该是这样的：
xtuner convert pth_to_hf /root/ft/train/internlm2_1_8b_qlora_alpaca_e3_copy.py /root/ft/train/iter_768.pth /root/ft/huggingface --fp32 --max-shard-size 2GB
2.5.2 模型整合
我们通过视频课程的学习可以了解到，对于 LoRA 或者 QLoRA 微调出来的模型其实并不是一个完整的模型，而是一个额外的层（adapter）。那么训练完的这个层最终还是要与原模型进行组合才能被正常的使用。
而对于全量微调的模型（full）其实是不需要进行整合这一步的，因为全量微调修改的是原模型的权重而非微调一个新的 adapter ，因此是不需要进行模型整合的。
在 XTuner 中也是提供了一键整合的指令，但是在使用前我们需要准备好三个地址，包括原模型的地址、训练好的 adapter 层的地址（转为 Huggingface 格式后保存的部分）以及最终保存的地址。
# 创建一个名为 final_model 的文件夹存储整合后的模型文件
mkdir -p /root/ft/final_model
# 解决一下线程冲突的 Bug
export MKL_SERVICE_FORCE_INTEL=1
# 进行模型整合
# xtuner convert merge ${NAME_OR_PATH_TO_LLM} ${NAME_OR_PATH_TO_ADAPTER} ${SAVE_PATH}
xtuner convert merge /root/ft/model /root/ft/huggingface /root/ft/final_model
那除了以上的三个基本参数以外，其实在模型整合这一步还是其他很多的可选参数，包括：
| 参数名 | 解释 |
|---|---|
| –max-shard-size {GB} | 代表每个权重文件最大的大小（默认为2GB） |
| –device {device_name} | 这里指的就是device的名称，可选择的有cuda、cpu和auto，默认为cuda即使用gpu进行运算 |
| –is-clip | 这个参数主要用于确定模型是不是CLIP模型，假如是的话就要加上，不是就不需要添加 |
CLIP（Contrastive Language–Image Pre-training）模型是 OpenAI 开发的一种预训练模型，它能够理解图像和描述它们的文本之间的关系。CLIP 通过在大规模数据集上学习图像和对应文本之间的对应关系，从而实现了对图像内容的理解和分类，甚至能够根据文本提示生成图像。
在模型整合完成后，我们就可以看到 final_model 文件夹里生成了和原模型文件夹非常近似的内容，包括了分词器、权重文件、配置信息等等。当我们整合完成后，我们就能够正常的调用这个模型进行对话测试了。
整合完成后可以查看在 final_model 文件夹下的内容。
|-- final_model/
|-- tokenizer.model
|-- config.json
|-- pytorch_model.bin.index.json
|-- pytorch_model-00001-of-00002.bin
|-- tokenization_internlm2.py
|-- tokenizer_config.json
|-- special_tokens_map.json
|-- pytorch_model-00002-of-00002.bin
|-- modeling_internlm2.py
|-- configuration_internlm2.py
|-- tokenizer.json
|-- generation_config.json
|-- tokenization_internlm2_fast.py
2.5.3 对话测试
在 XTuner 中也直接的提供了一套基于 transformers 的对话代码，让我们可以直接在终端与 Huggingface 格式的模型进行对话操作。我们只需要准备我们刚刚转换好的模型路径并选择对应的提示词模版（prompt-template）即可进行对话。假如 prompt-template 选择有误，很有可能导致模型无法正确的进行回复。
想要了解具体模型的 prompt-template 或者 XTuner 里支持的 prompt-tempolate，可以到 XTuner 源码中的
xtuner/utils/templates.py这个文件中进行查找。
# 与模型进行对话
xtuner chat /root/ft/final_model --prompt-template internlm2_chat
我们可以通过一些简单的测试来看看微调后的模型的能力。
假如我们想要输入内容需要在输入文字后敲击两下回车，假如我们想清楚历史记录需要输入 RESET，假如我们想要退出则需要输入 EXIT。
double enter to end input (EXIT: exit chat, RESET: reset history) >>> 你是谁
我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦</s>
double enter to end input (EXIT: exit chat, RESET: reset history) >>> 请你介绍一下你自己
我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦</s>
double enter to end input (EXIT: exit chat, RESET: reset history) >>> 你是我的小助手吗？
我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦</s>
double enter to end input (EXIT: exit chat, RESET: reset history) >>> EXIT
Log: Exit!
可以看到模型已经严重过拟合，回复的话就只有 “我是剑锋大佬的小助手，内在是上海AI实验室书生·浦语的1.8B大模型哦” 这句话。我们下面可以通过对比原模型的能力来看看差异。
# 同样的我们也可以和原模型进行对话进行对比
xtuner chat /root/ft/model --prompt-template internlm2_chat
我们可以用同样的问题来查看回复的情况。
double enter to end input (EXIT: exit chat, RESET: reset history) >>> 你是谁
我是一个人工智能助手，旨在帮助用户回答问题、提供定义和解释、将文本从一种语言翻译成另一种语言、总结文本、生成文本、编写故事、分析情感、提供推荐、开发算法、编写代码以及其他任何基于语言的任务。我致力于通过执行常见的基于语言的任务和提供建议来帮助人类。<|im_end|>
double enter to end input (EXIT: exit chat, RESET: reset history) >>> 请你介绍一下你自己
非常感谢您的提问。我是一个名叫书生·浦语的人工智能助手，由上海人工智能实验室开发。我使用了Transformer模型和深度学习技术，并使用语言模型作为预训练任务。我致力于通过执行常见的基于语言的任务和提供建议来帮助人类。我能够回答问题、提供定义和解释、将文本从一种语言翻译成另一种语言、总结文本、生成文本、编写故事、分析情感、提供推荐、开发算法、编写代码以及其他任何基于语言的任务。如果您有任何需要帮助的问题，欢迎随时向我提问。<|im_end|>
double enter to end input (EXIT: exit chat, RESET: reset history) >>> 你是我的小助手吗
是的，我非常乐意成为您的助手。我致力于通过执行常见的基于语言的任务和提供建议来帮助您。如果您有任何需要帮助的问题，请随时向我提问。我会尽力回答您的问题并提供有用的建议。<|im_end|>
double enter to end input (EXIT: exit chat, RESET: reset history) >>> EXIT
Log: Exit!
可以看到在没有进行我们数据的微调前，原模型是能够输出有逻辑的回复，并且也不会认为他是我们特有的小助手。因此我们可以很明显的看出两者之间的差异性。
那对于 xtuner chat 这个指令而言，还有很多其他的参数可以进行设置的，包括：
| 启动参数 | 解释 |
|---|---|
| –system | 指定SYSTEM文本，用于在对话中插入特定的系统级信息 |
| –system-template | 指定SYSTEM模板，用于自定义系统信息的模板 |
| –bits | 指定LLM运行时使用的位数，决定了处理数据时的精度 |
| –bot-name | 设置bot的名称，用于在对话或其他交互中识别bot |
| –with-plugins | 指定在运行时要使用的插件列表，用于扩展或增强功能 |
| –no-streamer | 关闭流式传输模式，对于需要一次性处理全部数据的场景 |
| –lagent | 启用lagent，用于特定的运行时环境或优化 |
| –command-stop-word | 设置命令的停止词，当遇到这些词时停止解析命令 |
| –answer-stop-word | 设置回答的停止词，当生成回答时遇到这些词则停止 |
| –offload-folder | 指定存放模型权重的文件夹，用于加载或卸载模型权重 |
| –max-new-tokens | 设置生成文本时允许的最大token数量，控制输出长度 |
| –temperature | 设置生成文本的温度值，较高的值会使生成的文本更多样，较低的值会使文本更确定 |
| –top-k | 设置保留用于顶k筛选的最高概率词汇标记数，影响生成文本的多样性 |
| –top-p | 设置累计概率阈值，仅保留概率累加高于top-p的最小标记集，影响生成文本的连贯性 |
| –seed | 设置随机种子，用于生成可重现的文本内容 |
除了这些参数以外其实还有一个非常重要的参数就是 --adapter ，这个参数主要的作用就是可以在转化后的 adapter 层与原模型整合之前来对该层进行测试。使用这个额外的参数对话的模型和整合后的模型几乎没有什么太多的区别，因此我们可以通过测试不同的权重文件生成的 adapter 来找到最优的 adapter 进行最终的模型整合工作。
# 使用 --adapter 参数与完整的模型进行对话
xtuner chat /root/ft/model --adapter /root/ft/huggingface --prompt-template internlm2_chat
2.5.4 Web demo 部署
除了在终端中对模型进行测试，我们其实还可以在网页端的 demo 进行对话。
那首先我们需要先下载网页端 web demo 所需要的依赖。
pip install streamlit==1.24.0
下载 InternLM 项目代码（欢迎Star）！
# 创建存放 InternLM 文件的代码
mkdir -p /root/ft/web_demo && cd /root/ft/web_demo
# 拉取 InternLM 源文件
git clone https://github.com/InternLM/InternLM.git
# 进入该库中
cd /root/ft/web_demo/InternLM
将 /root/ft/web_demo/InternLM/chat/web_demo.py 中的内容替换为以下的代码（与源代码相比，此处修改了模型路径和分词器路径，并且也删除了 avatar 及 system_prompt 部分的内容，同时与 cli 中的超参数进行了对齐）。
"""
这个脚本是参考了 streamlit 的对话示例、chatglm2 和 transformers 的交互生成代码。
我们主要修改了部分代码逻辑以适应我们模型的生成。
更多信息请参考以下链接：
1. streamlit 对话示例：https://docs.streamlit.io/knowledge-base/tutorials/build-conversational-apps
2. chatglm2：https://github.com/THUDM/ChatGLM2-6B
3. transformers：https://github.com/huggingface/transformers
请使用命令 `streamlit run path/to/web_demo.py --server.address=0.0.0.0 --server.port 7860` 运行。
使用 `python path/to/web_demo.py` 可能会导致未知问题。
"""
# isort: skip_file # 跳过 isort 排序文件
import copy
import warnings
from dataclasses import asdict, dataclass
from typing import Callable, List, Optional
import streamlit as st
import torch
from torch import nn
from transformers.generation.utils import (LogitsProcessorList,
StoppingCriteriaList)
from transformers.utils import logging
from transformers import AutoTokenizer, AutoModelForCausalLM # isort: skip
logger = logging.get_logger(__name__)
@dataclass
class GenerationConfig:
# 用于聊天提供更多多样性的配置
max_length: int = 32768
top_p: float = 0.8
temperature: float = 0.8
do_sample: bool = True
repetition_penalty: float = 1.005
@torch.inference_mode()
def generate_interactive(
model,
tokenizer,
prompt,
generation_config: Optional[GenerationConfig] = None,
logits_processor: Optional[LogitsProcessorList] = None,
stopping_criteria: Optional[StoppingCriteriaList] = None,
prefix_allowed_tokens_fn: Optional[Callable[[int, torch.Tensor], List[int]]] = None,
additional_eos_token_id: Optional[int] = None,
**kwargs,
):
# 将输入编码成张量
inputs = tokenizer([prompt], padding=True, return_tensors='pt')
input_length = len(inputs['input_ids'][0])
for k, v in inputs.items():
inputs[k] = v.cuda() # 将输入移至 GPU
input_ids = inputs['input_ids']
_, input_ids_seq_length = input_ids.shape[0], input_ids.shape[-1]
# 如果未提供生成配置，则使用模型的默认生成配置
if generation_config is None:
generation_config = model.generation_config
generation_config = copy.deepcopy(generation_config)
model_kwargs = generation_config.update(**kwargs)
# 获取开始和结束标记的 ID
bos_token_id, eos_token_id = generation_config.bos_token_id, generation_config.eos_token_id
# 如果结束标记是整数，则转为列表
if isinstance(eos_token_id, int):
eos_token_id = [eos_token_id]
if additional_eos_token_id is not None:
eos_token_id.append(additional_eos_token_id)
# 创建 logits 处理器和停止准则对象
logits_processor = logits_processor if logits_processor is not None else LogitsProcessorList()
stopping_criteria = stopping_criteria if stopping_criteria is not None else StoppingCriteriaList()
# 进行生成
unfinished_sequences = input_ids.new(input_ids.shape[0]).fill_(1)
scores = None
while True:
# 准备生成模型的输入
model_inputs = model.prepare_inputs_for_generation(input_ids, **model_kwargs)
# 进行前向传播，获取下一个 token 的 logits
outputs = model(
**model_inputs,
return_dict=True,
output_attentions=False,
output_hidden_states=False,
)
next_token_logits = outputs.logits[:, -1, :]
# 对 logits 进行处理
next_token_scores = logits_processor(input_ids, next_token_logits)
# 通过 logits_warper 进行变换
next_token_scores = logits_warper(input_ids, next_token_scores)
# 对概率进行 softmax 并进行采样或贪婪取最高概率的方式获取下一个 token
probs = nn.functional.softmax(next_token_scores, dim=-1)
if generation_config.do_sample:
next_tokens = torch.multinomial(probs, num_samples=1).squeeze(1)
else:
next_tokens = torch.argmax(probs, dim=-1)
# 更新生成的 token 序列和模型输入
input_ids = torch.cat([input_ids, next_tokens[:, None]], dim=-1)
model_kwargs = model._update_model_kwargs_for_generation(outputs, model_kwargs, is_encoder_decoder=False)
unfinished_sequences = unfinished_sequences.mul((min(next_tokens != i for i in eos_token_id)).long())
output_token_ids = input_ids[0].cpu().tolist()
output_token_ids = output_token_ids[input_length:]
for each_eos_token_id in eos_token_id:
if output_token_ids[-1] == each_eos_token_id:
output_token_ids = output_token_ids[:-1]
response = tokenizer.decode(output_token_ids)
yield response
# 如果每个句子已经完成或超过最大长度，则停止生成
if unfinished_sequences.max() == 0 or stopping_criteria(input_ids, scores):
break
def on_btn_click():
del st.session_state.messages
@st.cache_resource
def load_model():
# 加载模型和分词器
model = (AutoModelForCausalLM.from_pretrained('/root/ft/final_model', trust_remote_code=True).to(torch.bfloat16).cuda())
tokenizer = AutoTokenizer.from_pretrained('/root/ft/final_model', trust_remote_code=True)
return model, tokenizer
def prepare_generation_config():
with st.sidebar:
# 生成配置
max_length = st.slider('最大长度', min_value=8, max_value=32768, value=2048)
top_p = st.slider('Top P', 0.0, 1.0, 0.75, step=0.01)
temperature = st.slider('Temperature', 0.0, 1.0, 0.1, step=0.01)
st.button('清空聊天历史', on_click=on_btn_click)
# 创建生成配置对象
generation_config = GenerationConfig(max_length=max_length, top_p=top_p, temperature=temperature)
return generation_config
user_prompt = 'user\n{user}\n'
robot_prompt = 'assistant\n{robot}\n'
cur_query_prompt = 'user\n{user}\nassistant\n'
def combine_history(prompt):
messages = st.session_state.messages
meta_instruction = ('')
total_prompt = f"<s>system\n{meta_instruction}\n"
for message in messages:
cur_content = message['content']
if message['role'] == 'user':
cur_prompt = user_prompt.format(user=cur_content)
elif message['role'] == 'robot':
cur_prompt = robot_prompt.format(robot=cur_content)
else:
raise RuntimeError
total_prompt += cur_prompt
total_prompt = total_prompt + cur_query_prompt.format(user=prompt)
return total_prompt
def main():
# 加载模型
print('加载模型开始.')
model, tokenizer = load_model()
print('加载模型结束.')
st.title('InternLM2-Chat-1.8B') # 设置标题
generation_config = prepare_generation_config() # 准备生成配置
# 如果聊天历史不存在，则初始化
if 'messages' not in st.session_state:
st.session_state.messages = []
# 在应用程序重新运行时显示聊天历史中的聊天消息
for message in st.session_state.messages:
with st.chat_message(message['role'], avatar=message.get('avatar')):
st.markdown(message['content'])
# 接受用户输入
if prompt := st.chat_input('你有什么想说的？'):
# 在聊天消息容器中显示用户消息
with st.chat_message('user'):
st.markdown(prompt)
real_prompt = combine_history(prompt)
# 将用户消息添加到聊天历史中
st.session_state.messages.append({
'role': 'user',
'content': prompt,
})
# 生成并显示机器人的回复
with st.chat_message('robot'):
message_placeholder = st.empty()
for cur_response in generate_interactive(
model=model,
tokenizer=tokenizer,
prompt=real_prompt,
additional_eos_token_id=92542,
**asdict(generation_config),
):
# 在聊天消息容器中显示机器人的回复
message_placeholder.markdown(cur_response + '▌')
message_placeholder.markdown(cur_response)
# 将机器人的回复添加到聊天历史中
st.session_state.messages.append({
'role': 'robot',
'content': cur_response, # 循环内最后一次生成的回复
})
# 清除 GPU 缓存
torch.cuda.empty_cache()
if __name__ == '__main__':
main()
在运行前，我们还需要做的就是将端口映射到本地。那首先我们使用快捷键组合 Windows + R（Windows 即开始菜单键）打开指令界面，并输入命令，按下回车键。（Mac 用户打开终端即可）
打开 PowerShell 后，先查询端口，再根据端口键入命令 （例如图中端口示例为 38374）：
然后我们需要在 PowerShell 中输入以下内容（需要替换为自己的端口号）
# 从本地使用 ssh 连接 studio 端口
# 将下方端口号 38374 替换成自己的端口号
ssh -CNg -L 6006:127.0.0.1:6006 root@ssh.intern-ai.org.cn -p 38374
再复制下方的密码，输入到 password 中，直接回车：
最终保持在如下效果即可：
之后我们需要输入以下命令运行 /root/personal_assistant/code/InternLM 目录下的 web_demo.py 文件。
streamlit run /root/ft/web_demo/InternLM/chat/web_demo.py --server.address 127.0.0.1 --server.port 6006
注意：要在浏览器打开
http://127.0.0.1:6006页面后，模型才会加载。
打开 http://127.0.0.1:6006 后，等待加载完成即可进行对话，键入内容示例如下：
请介绍一下你自己
效果图如下：
假如我们还想和原来的 InternLM2-Chat-1.8B 模型对话（即在 /root/ft/model 这里的模型对话），我们其实只需要修改183行和186行的文件地址即可。
# 修改模型地址（第183行）
- model = (AutoModelForCausalLM.from_pretrained('/root/ft/final_model',
+ model = (AutoModelForCausalLM.from_pretrained('/root/ft/model',
# 修改分词器地址（第186行）
- tokenizer = AutoTokenizer.from_pretrained('/root/ft/final_model',
+ tokenizer = AutoTokenizer.from_pretrained('/root/ft/model',
然后使用上方同样的命令即可运行。
streamlit run /root/ft/web_demo/InternLM/chat/web_demo.py --server.address 127.0.0.1 --server.port 6006
加载完成后输入同样的问题 请介绍一下你自己 之后我们可以看到两个模型截然不同的回复：
2.5.5 小结
在这一小节里我们对微调后的模型（adapter）进行了转换及整合的操作，并通过 xtuner chat 来对模型进行了实际的对话测试。从结果可以清楚的看出模型的回复在微调的前后出现了明显的变化。那当我们在测试完模型认为其满足我们的需求后，我们就可以对模型进行量化部署等操作了，这部分的内容在之后关于 LMDeploy 的课程中将会详细的进行讲解，敬请期待后续的课程吧！
2.6 总结
在本节中主要就是带领着大家跑通了 XTuner 的一个完整流程，通过了解数据集和模型的使用方法、配置文件的制作和训练以及最后的转换及整合。那在后面假如我们也有想要微调出自己的一个模型，我们也可以尝试使用同样流程和方法进行进一步的实践！
第 4 节课作业
记录复现过程并截图
基础作业（结营必做）
- 训练自己的小助手认知（记录复现过程并截图）
进阶作业
- 将自我认知的模型上传到 OpenXLab，并将应用部署到 OpenXLab（优秀学员必做）
- 复现多模态微调（优秀学员必做）
![[StartingPoint][Tier2]Included](https://img-blog.csdnimg.cn/img_convert/38f16309a0218758905767f3d2ad38a9.jpeg)
