Awesome
hcgf
A Humanable Chat Generative-model Fine-tuning tool.
Install
pip install hcgf
安装依赖:
pip install -r requirements.txt
- 建议使用PyTorch2.0。
- 未支持多节点。
Fine-tuning
支持的模型:
Dataset
每一行一个dict的.json
文件,必须包含prompt
和completion
两个字段。示例如下:
{"prompt": "你是谁?", "completion": "不告诉你。"}
Command Fine-tuning
支持分布式Zero3、Zero2和DDP模式,使用方法请参考帮助文档。
hcgf_tune -h
至少要指定model
和data_path
参数,如下。
hcgf_tune --model THUDM/chatglm-6b --data_path path/to/train_data.json lora
首先要理解一下,模型训练时,除了模型(也就是参数)占用的空间外,还有优化器、梯度等会占用显存。
一共五种策略:
- fsdp_zero3:命令行模式默认策略,FULL_SHARD,参数、梯度、优化器状态SHARD,慢但是省显存,数据并行。
- fsdp_zero2:GRAD_OP_SHARD,梯度、优化器状态SHARD,比上面那个快一些,数据并行。
- mpdp(ddp):NO_SHARD,类似DDP,就是把模型分别加载到每张卡上,比上面2个都快,数据并行。
- mpds(8bit):8bit模式(下面的《8bit Fine-tuning》),模型被分到多个卡(甚至CPU)上,没有数据并行,很慢。
- msds(single_gpu):单卡模式(下面的《Single Device Fine-tuning》),能跑起来的情况下比较快。
卡数 | 显存 | 训练数据 | 策略 |
---|---|---|---|
多卡 | 单卡跑不起模型 | 数据很多 | fsdp_zero3/fsdp_zero2 |
单卡跑得起模型 | 数据很多 | mpdp | |
单卡跑不起模型 | 数据很少 | mpds | |
单卡跑得起模型 | 数据很少 | msds | |
单卡 | 单卡跑不起模型 | - | mpds |
单卡跑得起模型 | - | msds |
注意事项:
- 这里显存是在训练模式下的,和推理模式占用不同,可参考下面的《Configuration》。推理只支持后两种模式。
- FSDP模式下可能还没有单卡快(单卡跑得起的时候),这是正常的,因为FSDP对数据分片了,而且为了更大限度地使用显存,还可能需要把一些数据倒腾到CPU。
- 分布式训练下,batch_size其实是per_device_batch_size,真正的batch_size相当于
device_num×per_device_batch_size
。也就是说,同样的batch_size、数据和配置下,单卡比多卡更新的次数多。 - 如果有accumulate_steps参数,则需要再乘以它才是真正更新参数的batch_size。
Single Device Fine-tuning
至少需要一张16G显存的卡。如果不指定显卡,默认为cuda
。
#===== 微调 =====#
import hcgf
gl = hcgf.GlmLora("THUDM/chatglm-6b", device="cuda:0")
gl.load_data("/path/to/data.json").tune()
#===== 推理 =====#
gl = hcgf.GlmLora("THUDM/chatglm-6b", device="cuda:0")
gl.load_pretrained("/path/to/lora_pt").eval()
gl.chat("你是谁?")
#===== 切换模式 =====#
gl = hcgf.GlmLora("THUDM/chatglm-6b", device="cuda:0")
gl.load_data("/path/to/data.json").tune()
# 切换到推理模式
gl.eval()
gl.chat("你是谁?")
# 切换回微调模式,还是用原来的数据继续跑
gl.tune()
# 如果有新的数据集,参考上面的写法,先加载数据
gl.load_data("/path/to/new_data.json").tune()
# 如果在原来的基础上用新数据继续微调,先加载之前的pt文件,再加载数据微调
gl.load_pretrained("/path/to/lora_pt").load_data("/path/to/new_data.json").tune()
当然,也可以使用hcgf_tune
:
hcgf_tune strategy msds --model THUDM/chatglm-6b --data_path path/to/train_data.json lora
8bit Fine-tuning
至少需要一张12G显存的卡。不指定device。只需要初始化时改一下即可,其他操作和上面正常微调一样。
需要安装依赖: bitsandbytes
gl = hcgf.GlmLora("THUDM/chatglm-6b", load_in_8bit=True)
当然,也可以使用hcgf_tune
:
hcgf_tune strategy mpds --model THUDM/chatglm-6b --data_path path/to/train_data.json lora
Continually Fine-tuning
先加载之前的pt
文件,然后加载数据微调。
gl.load_pretrained("/path/to/lora_pt").load_data("/path/to/new_data.json").tune()
Demo/Inference
请执行hcgf_infer -h
查看帮助。
Parameters
主要方法参数,有值的表示默认值。
load_data(
data_path: str,
max_seq_len: int = 512, # 句子最大长度,超过会截断。注意,这里指Prompt或Completion的长度,应保证两者长度之和不大于模型最大长度。
)
tune(
batch_size: int = 8,
lr: float = 2e-4,
num_epochs: int = 3,
warmup_steps: Optional[int] = None, # 为None时会用1/3个Epoch进行warmup
accumulate_steps: Optional[int] = None, # 为None时等价于1
out_dir: str = "./output/",
print_every: Optional[int] = None, # 为None时每1/10Epoch个Steps打印一次输出(Step、Loss、LearningRate)
)
# 未说明参数含义同`chat`
generate(
sents: Union[str, List[str]], # 输入的句子,可以是str或列表(多个输入),**注意**需要根据训练样本格式构造好输入。
do_sample: bool = True,
num_beams: int = 1,
temperature: float = 0.2,
top_p: float = 0.7,
repetition_penalty: float = 1.02,
)
# ChatGLM only
chat(
inp: str,
history: List[Tuple[str, str]] = None, # (问,答)Pair对
max_new_tokens: int = 512, # 生成的文本最大长度,Prompt的长度=支持的最大长度-max_new_tokens,Prompt长度超过会被截断
do_sample: bool = True, # 采样
num_beams: int = 1, # Beam Search 的 beam 数量
temperature: float = 0.95, # 越小越确定,越大越随机,比如你微调后可以把它改成0.1
top_p: float = 0.7, # 同上,两者不要同时调
repetition_penalty: float = 1.02, # 生成内容重复惩罚,越大越不容易重复
stop: List[str] = [] # 停止文本,可以是标点、特定词或句子等,输出不包含停止文本
)
Better Practice:
- 一般只需调整
temerature
。
Configuration
有几个影响显存的参数可以配置:max_seq_len
,batch_size
。
(
gl
.load_data("./data/chatgpt_finetune_faq.json", max_seq_len=128)
.tune(batch_size=1)
)
以下配置针对ChatGLM-6B
。
不同配置 8bit
资源占用:
max_seq_len | batch_size | memory |
---|---|---|
64 | 1 | 11G |
128 | 1 | 12G |
512 | 1 | 22G |
128 | 2 | 15G |
128 | 4 | 21G |
不同配置正常资源占用:
max_seq_len | batch_size | memory |
---|---|---|
64 | 1 | 15G |
128 | 1 | 16G |
512 | 1 | 30G |
128 | 2 | 19G |
128 | 4 | 25G |
RM
使用小模型(如BERT等)训练。
Training
Dataset
需要pair对数据,计算logits过程和普通预训练模型一样(一个Batch多个pair对);计算loss时属于同一个pair对的logits放一块算。
推理时直接用logits就行。
Test
# 全部测试
python -m pytest
# 测试训练和推理,比较慢
python -m pytest -s -m slow
# 测试其他的
python -m pytest -m "not slow"
Other
如果遇到加载超时,可以直接load本地cache下的模型:
GlmLora("/path/to/huggingface/models--THUDM--chatglm-6b/snapshots/<id>/")
ChangeLog
- v0.4.0
20230909
- 支持Qwen、ChatGLM2、Baichuan等
- 支持IA3微调
- v0.3.0
20230526
- 支持LLaMA(包括Native、Alpaca、Ziya等)
- v0.2.0
20230513
- 支持分布式微调
- 调整推理模式,支持Batch
- v0.1.0
20230412
- 支持ChatGLM新版Tokenizer
- 使用官方调整后的MASK方式
- v0.0.7
20230405