详细视频：XTuner 微调 LLM：1.8B、多模态、Agent

一、Finetune 简介

1.1、两种 Finetune 范式

LLM的下游应用中，增量预训练 和 指令跟随 是经常会用到两种的微调模式。

• 增量预训练微调
  使用场景:让基座模型学习到一些新知识，如某个垂类领域的常识。
  训练数据:文章、书籍、代码等。
• 指令跟随微调
  使用场景:让模型学会对话模板，根据人类指令进行对话。
  训练数据:高质量的对话、问答数据。

可以看到，增量预训练更多的只是将某种知识喂给模型，让模型学会这个知识，但怎么用，模型此时还是不知道的。然后，指令跟随微调就会训练模型，让模型学会对话模板，当想它问出问题的时候，模型就会运用自己的知识来解答。

如上图，一个基座模型如果只经过增量预训练，它是不能意识到此时是在问它问题的，它只能理解可能需要输出一个和问题类似的回答，但经过指令跟随微调以后，它就能明白使用者是在问问题，此时就会输出对应的回答

1.2、一条数据的一生

1.2.1、标准格式数据

首先，可以从书籍、代码或者爬虫获取最原始的数据，比如 “世界最高峰是珠穆朗玛峰”，此时，这条原始数据是不能直接拿去训练的，需要改造成以下格式：

以上就是标准格式数据。那么什么是标准格式数据？就是我们的训练框架能够识别的数据。
首先，需要一个 System 角色，算是给模型设定的一个前置条件，这个设定也是需要提示词工程的实验的，然后这个 System 角色会赋予 Assitant 一个角色：你是一名 AI 助手。
当 User 说 “你好！” 的时候，再提供一个模型应该回答的内容。然后，再提问一个跟原始数据有关的问题，所期待模型回答部分，即答案部分，就是刚刚初试获得的原始数据。

在 XTuner 框架中，是按照以下 json 格式存储的：

按照视频的讲解，我的理解是：一条原始数据，需要我们手动改写成上面五条对话数据的格式，而后面两个问题的对话结果都是我们设置好的，算是标准答案，也就是说，我们希望模型训练好以后面对同样的问题时能回答以上输出，如果不是，即有了差异，那么就可以基于此计算损失，通过不断训练调整将损失减少到最小。

1.2.2、添加对话模板

对话模板：为了能够让 LLM 区分出 System、User 和 Assistant，不同的模型会有不同的模板。

在上面一节中，只是 conversation 代码中是那么写的，但实际上，我们喂给模型的，是上图中的格式，也就是说，数据需要和模板拼接在一起才能喂给模型。
XTuner 框架已经将组装的步骤打包好了，只要一键启动即可，我们需要准备的，就是包含 conversation 的 json 文件。

以下是对对话模板的详细解释：

1.2.3、LoRA & QLoRA

在 XTuner 中，主要使用 LoRA 和 QLoRA 两种微调方案。

LLM 的参数量主要集中在模型中的 Linear，训练这些参数会耗费大量的显存，LoRA 通过在原本的 Linear 旁，新增一个支路，包含两个连续的小 Linear，新增的这个支路通常叫做 Adapter。Adapter 参数量远小于原本的 Linear，能大幅降低训练的显存消耗。

我的理解是：想象一下，现在有一幅铅笔画，但这副画的阴影、背景、细节等部分还不够好，你可以选择通过使用铅笔慢慢构思，一点点这些细节补充完善，但显然，这并不是一件轻松的事，并且因为不断地增加线条，导致整个画看起来有点杂乱，现在，有一种笔，专门应用于处理这些阴影、细节部分，他有一个特殊的笔尖，可以更细致地描绘细节。虽然这个小笔只能在需要增加阴影和细节的地方使用，但由于它很小巧，所以不会占用太多的空间。总结来说，怎么使用尽可能少的步骤、过程，就能达到和原来差不多的结果，这就是我理解的 LoRA 原理。

横向比较 全参数微调、LoRA 微调 和 QLoRA 微调。

二、XTuner

XTuner，书生 · 浦语开发的微调框架，是一个已经打包好的大模型微调工具箱，具有以下两个特点：

• 傻瓜化。以配置文件的形式封装了大部分微调场景，0基础的非专业人员也能一键开始微调。
• 轻量级。对于 7B 参数量的 LLM，微调所需的最小显存仅为 8GB。

2.1、XTuner 简介

2.2、LLaMA-Factory vs XTuner

可以看到，在相同模型训练的情况下，当数据长度超过 32k 时，LLaMA-Factory 就出现了 OOM ( Out Of Memory ) 的情况，可见 XTuner 对性能优化、显存优化这一块做的是很不错的。

2.3、XTuner 数据引擎

2.3.1、数据处理流程

2.3.2、数据集映射函数

XTuner 内置了多种热门数据集的映射函数。

2.3.3、对话模板映射函数

XTuner 内置了多种对话模板映射函数。

所以对于使用者而言，就不需要再花费过多时间在数据预处理上面，还要思考对数据格式怎么修改，我们只要准备好原始的数据就好了。

2.3.4、多数据样本拼接

当程序运行，发现显存利用率并不是很高时，可以将参数 pack_to_max_length 设置为 True，即同意将多条短数据拼接到 max_length，单挑数据最大 token 数，超过则截断，能有效地利用显存资源，不会浪费。

2.4、训练技巧

XTuner 有两个很重要的训练技巧——Flash ATTention 和 DeepSpeedZero。

2.4.1、Flash Attention

Flash Attention 将 Attention 计算并行化，避免了计算过程中 Attention Score N * N 的显存占用( 训练过程中的 N 都比较大 )。

2.4.2、DeepSpeedZero

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。

三、多模态 LLM

3.1、多模态原理

在文本单模态中，基本就是以下流程。

某些时候，中间可能还要加上一个文本重排序模型。

而在文本 + 图像多模态的情况下，就是这样：

可以看到，此时 LLM 有两部分输入，第一部分就是文本单模态的路线，并没有什么变化，而第二部分则是对输入图像的处理。

如果依此类推的话，那么其实可以在上面多模态的基础上，再加一条“路径”，可以是对视频或者音频的处理，转换成 视频 / 音频向量。

3.2、多模态实现——LLaVA

Haotian Liu 等使用 GPT-4V 对图像数据生成描述，以此构建出大量 <question text><image> -- <answer text>的数据对，再利用这些数据对，配合文本单模态LLM，训练出一个 Image Project。
所使用的文本单模型LLM和训练出来的 Image Projector，统称为LLaVA模型。（这便是为了方便理解所以这么说，但实际上 LLaVA 不是这边说的这么简单）