Adam 和 AdamW 优化器在深度学习中仍然是很受欢迎的选择，尽管它们在处理大型模型时占用大量内存。原因是 Adam 优化器为每个模型参数维护两个移动平均值：梯度的一阶矩（平均值）和梯度的二阶矩（非中心方差）。换句话说，Adam 优化器在内存中为每个单个模型参数存储两个额外的值。如果使用 7B 参数模型，那么在训练期间需要跟踪额外的 14B 参数。

SGD 优化器在训练期间不需要跟踪任何其他参数，所以问题是：在训练 LLM 时，用 SGD 替换 Adam 对峰值内存需求有什么优势？

实验中，训练使用 AdamW 和 LoRA 默认值 ( r=8 )训练的 7B 参数 Llama 2 模型需要 14.18 GB 的 GPU 内存。使用 SGD 训练同一模型则需要 14.15 GB 的 GPU 内存。换句话说，节省的内存 (0.03 GB) 微乎其微。

为什么内存节省如此之少？这是因为使用 LoRA，只有少量可训练参数。例如，如果r=8 ，则在 7B Llama 2 模型的所有 6,738,415,616 个参数中，有 4,194,304 个可训练的 LoRA 参数。

如果我们只看数字，4,194,304 个可训练参数听起来仍然很多，但如果我们进行计算，我们只有 4,194,304 × 2 × 16 位 = 134.22 兆位 = 16.78 兆字节。（我们观察到 0.03 Gb = 30 Mb 的差异，因为在存储和复制优化器状态时有额外的开销。）

2 表示 Adam 存储的额外参数的数量
16 位是指模型权重的默认精度。

然而，如果将 LoRA 的 r 增加到 256 ，Adam 和 SGD 优化器之间的差异就会变得更加明显：
17.86 GB（含 AdamW）
14.46 GB（含 SGD）

需要注意的是，当 LoRA 的 r 较小时，用 SGD 替换 Adam 优化器可能不值得。但是，当增加 r 时，这可能是值得的。

多次训练

在传统的深度学习中，经常对训练集进行多次迭代——对训练集的迭代称为一个 epoch。例如，在训练卷积神经网络时，通常会运行数百个训练 epoch。多 epoch 训练对指令微调也有用吗？

当将50k 个示例 Alpaca指令微调数据集的迭代次数增加两倍（类似于 2 个训练时期）时，注意到模型性能有所下降。

在这里插入图片描述
结论是，多轮训练可能不利于指令微调，因为它可能会降低结果。在 1k 示例 LIMA 数据集中观察到了同样的情况。这种性能下降可能是由于过度拟合增加造成的，这值得进一步调查。

大模型技术分享

在这里插入图片描述

《企业级生成式人工智能LLM大模型技术、算法及案例实战》线上高级研修讲座

模块一：Generative AI 原理本质、技术内核及工程实践周期详解
模块二：工业级 Prompting 技术内幕及端到端的基于LLM 的会议助理实战
模块三：三大 Llama 2 模型详解及实战构建安全可靠的智能对话系统
模块四：生产环境下 GenAI/LLMs 的五大核心问题及构建健壮的应用实战
模块五：大模型应用开发技术：Agentic-based 应用技术及案例实战
模块六：LLM 大模型微调及模型 Quantization 技术及案例实战
模块七：大模型高效微调 PEFT 算法、技术、流程及代码实战进阶
模块八：LLM 模型对齐技术、流程及进行文本Toxicity 分析实战
模块九：构建安全的 GenAI/LLMs 核心技术Red Teaming 解密实战
模块十：构建可信赖的企业私有安全大模型Responsible AI 实战 
1
2
3
4
5
6
7
8
9
10

Llama3关键技术深度解析与构建Responsible AI、算法及开发落地实战

1、Llama开源模型家族大模型技术、工具和多模态详解：学员将深入了解Meta Llama 3的创新之处，比如其在语言模型技术上的突破，并学习到如何在Llama 3中构建trust and safety AI。他们将详细了解Llama 3的五大技术分支及工具，以及如何在AWS上实战Llama指令微调的案例。
2、解密Llama 3 Foundation Model模型结构特色技术及代码实现：深入了解Llama 3中的各种技术，比如Tiktokenizer、KV Cache、Grouped Multi-Query Attention等。通过项目二逐行剖析Llama 3的源码，加深对技术的理解。
3、解密Llama 3 Foundation Model模型结构核心技术及代码实现：SwiGLU Activation Function、FeedForward Block、Encoder Block等。通过项目三学习Llama 3的推理及Inferencing代码，加强对技术的实践理解。
4、基于LangGraph on Llama 3构建Responsible AI实战体验：通过项目四在Llama 3上实战基于LangGraph的Responsible AI项目。他们将了解到LangGraph的三大核心组件、运行机制和流程步骤，从而加强对Responsible AI的实践能力。
5、Llama模型家族构建技术构建安全可信赖企业级AI应用内幕详解：深入了解构建安全可靠的企业级AI应用所需的关键技术，比如Code Llama、Llama Guard等。项目五实战构建安全可靠的对话智能项目升级版，加强对安全性的实践理解。
6、Llama模型家族Fine-tuning技术与算法实战：学员将学习Fine-tuning技术与算法，比如Supervised Fine-Tuning(SFT)、Reward Model技术、PPO算法、DPO算法等。项目六动手实现PPO及DPO算法，加强对算法的理解和应用能力。
7、Llama模型家族基于AI反馈的强化学习技术解密：深入学习Llama模型家族基于AI反馈的强化学习技术，比如RLAIF和RLHF。项目七实战基于RLAIF的Constitutional AI。
8、Llama 3中的DPO原理、算法、组件及具体实现及算法进阶：学习Llama 3中结合使用PPO和DPO算法，剖析DPO的原理和工作机制，详细解析DPO中的关键算法组件，并通过综合项目八从零开始动手实现和测试DPO算法，同时课程将解密DPO进阶技术Iterative DPO及IPO算法。
9、Llama模型家族Safety设计与实现：在这个模块中，学员将学习Llama模型家族的Safety设计与实现，比如Safety in Pretraining、Safety Fine-Tuning等。构建安全可靠的GenAI/LLMs项目开发。
10、Llama 3构建可信赖的企业私有安全大模型Responsible AI系统：构建可信赖的企业私有安全大模型Responsible AI系统，掌握Llama 3的Constitutional AI、Red Teaming。

解码Sora架构、技术及应用

一、为何Sora通往AGI道路的里程碑？
1，探索从大规模语言模型(LLM)到大规模视觉模型(LVM)的关键转变，揭示其在实现通用人工智能(AGI)中的作用。
2，展示Visual Data和Text Data结合的成功案例，解析Sora在此过程中扮演的关键角色。
3，详细介绍Sora如何依据文本指令生成具有三维一致性(3D consistency)的视频内容。 4，解析Sora如何根据图像或视频生成高保真内容的技术路径。
5，探讨Sora在不同应用场景中的实践价值及其面临的挑战和局限性。

二、解码Sora架构原理
1，DiT (Diffusion Transformer)架构详解
2，DiT是如何帮助Sora实现Consistent、Realistic、Imaginative视频内容的？
3，探讨为何选用Transformer作为Diffusion的核心网络，而非技术如U-Net。
4，DiT的Patchification原理及流程，揭示其在处理视频和图像数据中的重要性。
5，Conditional Diffusion过程详解，及其在内容生成过程中的作用。
三、解码Sora关键技术解密
1，Sora如何利用Transformer和Diffusion技术理解物体间的互动，及其对模拟复杂互动场景的重要性。
2，为何说Space-time patches是Sora技术的核心，及其对视频生成能力的提升作用。
3，Spacetime latent patches详解，探讨其在视频压缩和生成中的关键角色。
4，Sora Simulator如何利用Space-time patches构建digital和physical世界，及其对模拟真实世界变化的能力。
5，Sora如何实现faithfully按照用户输入文本而生成内容，探讨背后的技术与创新。
6，Sora为何依据abstract concept而不是依据具体的pixels进行内容生成，及其对模型生成质量与多样性的影响。

声明：本文内容由网友自发贡献，转载请注明出处：【wpsshop博客】

Llama模型家族之使用 Supervised Fine-Tuning（SFT）微调预训练Llama 3 语言模型（七） 使用 LoRA 微调 LLM 的实用技巧_llama 训练自己的模型

LlaMA 3 系列博客