为ChatGLM-6B模型的训练纪实：从数据集准备到LLamA-Factory的高效应用(二)_llama-factory 数据集

阶段成果展示

一、LLamA-Factory简介

LLamA-Factory 是一个高效的模型训练工具，支持多种大规模语言模型（如LLaMA、ChatGLM等）的微调。该工具集成了增量预训练、指令监督微调、奖励模型训练等多种方法，支持多种精度和先进算法（如LoRA、QLoRA）。LLamA-Factory 提供丰富的实验监控工具（如TensorBoard、Wandb），并优化了训练和推理速度。通过结合多种模型和训练方法，LLamA-Factory 能显著提升训练效率和模型性能。详细内容请访问 LLamA-Factory (GitHub)。

二、环境配置与准备[^1]

• 硬件要求：内存32G以上（最低）、GPU 1*NVIDIA V100、显存24G以上（最低）

1. 创建DSW，模型和LLamA-Factory安装过程详见脚注文章

2. 启动LLamA-Factory web界面(命令可能因版本不同而异，以下为v0.6.0版本)

    cd LLaMA-Factory
    CUDA_VISIBLE_DEVICE=0 USE_MODELSCOPE_HUB=1 python src/train_web.py
   1
   2

   点击即可运行
   

三、训练过程

1. 超参数的设置（针对本主机24G显存进行优化）

在使用LLamA-Factory训练ChatGLM-6B时，可以调节以下关键超参数：

1. 学习率（Learning Rate）：

   • 参数值：5e-5
   • 建议值：5e-5（保持不变）
   • 描述：AdamW优化器的初始学习率，决定模型更新权重的速度。默认学习率通常已较为合适。

2. 训练轮数（Epochs）：

   • 参数值：3.0
   • 描述：需要执行的训练总轮数，定义整个数据集被模型看过的次数。

3. 最大梯度范数（Max Gradient Norm）：

   • 参数值：1.0
   • 建议值：1.0（保持不变）
   • 描述：用于梯度裁剪的范数，防止梯度爆炸。

4. 最大样本数（Max Samples）：

   • 参数值：100000
   • 描述：每个数据集的最大样本数，限制训练数据量。

5. 批处理大小（Batch Size）：

   • 参数值：2
   • 建议值：8
   • 描述：每个GPU处理的样本数量。24G显存较大，可以适当增加批处理大小以充分利用显存资源。

6. 梯度累积（Gradient Accumulation Steps）：

   • 参数值：8
   • 建议值：2
   • 描述：梯度累积的步数，用于模拟更大的批处理大小。增加批处理大小后，可以减少梯度累积的步数，提高训练速度。

7. 计算类型（Precision Type）：

   • 参数值：fp16
   • 建议值：fp16（保持不变）
   • 描述：是否使用混合精度训练，fp16可加快训练速度并减少显存占用。

8. 截断长度（Max Sequence Length）：

   • 参数值：1024
   • 建议值：1024（保持不变）
   • 描述：输入序列分词后的最大长度，一般不能低于一个条目最低token数。输入序列的长度对显存的占用较大，1024较为合理。
     

2. 训练策略

1. 训练阶段（Training Phase）：
   • 当前方式：Supervised Fine-Tuning（监督微调）
   • 描述：基于标注数据进行监督学习，提高模型在特定任务上的表现。
2. 验证集比例（Validation Split）：
   • 参数值：0
   • 建议值：0.1
   • 描述：验证集用于调整模型的超参数，以及监测模型是否过拟合或者欠拟合。它在训练过程中没有直接参与参数的更新。
3. 学习率调节器（Learning Rate Scheduler）：
   • 参数值：cosine
   • 建议值：cosine（保持不变）
   • 描述：学习率调度器的名称，使用cosine调度器动态调整学习率。

上述设置完成后选取数据集进行训练

3.训练过程：

4. 训练监控与调优

1. 监控训练过程：实时监控训练过程中各项指标（如损失值、准确率等）。这类指标在LLamA-Factory中一站式提供。
2. 模型保存与恢复：定期保存模型，支持从断点继续训练，确保训练过程的连续性和安全性。这样可以防止由于中断（如断电或系统故障）导致的训练进度丢失。此外，还可以在早停策略触发时恢复到最优模型。
3. 早停策略：根据验证集的性能动态调整训练进度，避免过拟合，确保模型在实际应用中的表现。
   

结合损失函数图，从图中可以看到损失值在训练过程中逐步下降，且趋于平稳。这表明模型在逐渐收敛。监控训练和验证集的损失值可以帮助判断训练进度和调整策略。例如，如果在多个epoch内验证集损失不再下降，则可以触发早停策略，停止训练以避免过拟合

从上图中的损失函数来看，可以观察到：1. 波动性：损失函数的值有显著的波动。这可能表明模型在训练过程中存在一定的不稳定性，可能是由于数据噪声或者模型参数调整引起的。2. 原始与平滑值：图中展示了原始损失函数值和经过平滑处理后的损失函数值。平滑处理后的曲线波动较小，更能反映出损失函数的总体趋势。这种处理有助于更好地观察损失函数的收敛情况。3. 趋势分析：从平滑后的曲线来看，损失函数并没有明显的单调下降趋势，这可能意味着模型尚未收敛到一个较优的状态。这种情况可能需要调整学习率、模型结构或者进一步优化训练数据。

一般此类情况出现在训练的刚开始阶段（因为横坐标步数很少的情况下纵坐标的改变微乎其微），此时可以继续观察损失函数是否呈下降趋势（如上图）；否则可以及时采取早停策略。

[^ 1 ]参考组员文章：ChatGlm3-6B的部署及微调流程 ↩