在Linux系统下微调Llama2（MetaAI）大模型教程—Qlora_llama2微调所需算力

Llama2是Meta最新开源的语言大模型，训练数据集2万亿token，上下文长度是由Llama的2048扩展到4096，可以理解和生成更长的文本，包括7B、13B和70B三个模型，在各种基准集的测试上表现突出，最重要的是，该模型可用于研究和商业用途。

一、准备工作

1、本文选择微调的基础模型是Llama2-chat-13B-Chinese-50W（ 如何部署Llama2大模型，可以转到在Linux系统下部署Llama2（MetaAI）大模型教程-CSDN博客）

2、由于大部分笔记本电脑无法满足大模型Llama2的微调条件，因此可以选用autodl平台（算力云）作为部署平台。注：显存选择40GB以上的，否则微调过程会报错。

二、创建新实例（需要对数据盘进行扩容20GB）

基础的数据盘内存无法满足微调要求，因此需要对数据盘进行扩容。点击已经部署好Llama2大模型实例的“更多”中的“克隆实例”。

勾选“数据盘”。

选择可扩容的主机。

选择“需要扩容”，填写“20”GB。

填写完成后，点击“立即创建”。创建完成后，不要着急，等待一会儿。状态栏的“运行中”下面会出现“正在拷贝数据集”字样，等待数据集拷贝完成。

当“正在拷贝数据集”字样消失后，说明拷贝完成，点击JupyterLab。

三、下载、预处理微调数据集

先cd到数据盘autodl-tep，并设置学术加速，然后运行以下代码下载数据集。

如果你有自己的数据集，那么可以选择使用自己的数据集。

wget https://huggingface.co/datasets/BelleGroup/train_0.5M_CN/resolve/main/Belle_open_source_0.5M.json

原始数据集共有50万条数据，格式：{"instruction":"xxxx", "input":"", "output":"xxxx"}

数据集下载完毕之后，需要对数据集进行预处理。新建一个文件：split_json.py. 右击，点击“新建文件”，然后将文件名改为split_json.py即可。

接下来，将以下代码复制粘贴至文件split_json.py中。这段程序的作用是对数据集进行拼接，只使用introduction和output，并仅选择1000条数据作为演示。但在正常生产环境中，我们就需要更大的数据量。

import random,json
 
def write_txt(file_path,datas):
    with open(file_path,"w",encoding="utf8") as f:
        for d in datas:
            f.write(json.dumps(d,ensure_ascii=False)+"\n")
        f.close()
 
with open("/root/autodl-tmp/Belle_open_source_0.5M.json","r",encoding="utf8") as f:
    lines=f.readlines()
    
    changed_data=[]
    for l in lines:
        l=json.loads(l)
        changed_data.append({"text":"### Human: "+l["instruction"]+" ### Assistant: "+l["output"]})
 
    r_changed_data=random.sample(changed_data, 1000)
 
    write_txt("/root/autodl-tmp/Belle_open_source_0.5M_changed_test.json",r_changed_data)

运行以下代码对split_json.py进行执行。

python split_json.py

生成了一个新的json文件Belle_open_source_0.5M_changed_test.json，说明运行成功。

拼接好的数据格式：{"text":"### Human: xxxx ### Assistant: xxx"}

四、运行微调文件

1、返回启动页，新建一个notebook。

2、安装相关包

输入之后，按Shift+Enter运行。

!pip install -q huggingface_hub
!pip install -q -U trl transformers accelerate peft
!pip install -q -U datasets bitsandbytes einops wandb

左上角由 [*] 变为 [1] 后，说明安装成功。

3、设置学术加速

4、登录huggingface的notebook

这里需要到：https://huggingface.co/settings/tokens 中复制token。token获取方式可以参考：如何获取HuggingFace的Access Token；如何获取HuggingFace的API Key-CSDN博客

然后执行下列语句：

from huggingface_hub import notebook_login
notebook_login()

将token复制进去：

5、初始化wandb

首先需要先到：https://wandb.me/wandb-server 注册wandb。进入网址后，点击右上角进行登录注册。

注册完毕后在https://wandb.ai/authorize中复制Key：

运行代码：

import wandb
wandb.init()

将复制的Key粘贴进去，然后再Enter。如果左侧出现文件夹wandb说明运行成功。

6、导入相关包

from datasets import load_dataset
import torch,einops
from transformers import AutoModelForCausalLM, BitsAndBytesConfig, AutoTokenizer, TrainingArguments
from peft import LoraConfig
from trl import SFTTrainer

7、加载上面拼接好之后的1000条数据

dataset = load_dataset("json",data_files="/root/autodl-tmp/Belle_open_source_0.5M_changed_test.json",split="train")

8、配置本地模型

base_model_name ="/root/autodl-tmp/Llama2-chat-13B-Chinese-50W"
bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,#在4bit上，进行量化
    bnb_4bit_use_double_quant=True,# 嵌套量化，每个参数可以多节省0.4位
    bnb_4bit_quant_type="nf4",#NF4（normalized float）或纯FP4量化 博客说推荐NF4
    bnb_4bit_compute_dtype=torch.float16,
)

9、配置GPU

device_map = {"": 0}
#有多个gpu时，为：device_map = {"": [0,1,2,3……]}

10、加载本地模型

base_model = AutoModelForCausalLM.from_pretrained(
    base_model_name,#本地模型名称
    quantization_config=bnb_config,#上面本地模型的配置
    device_map=device_map,#使用GPU的编号
    trust_remote_code=True,
    use_auth_token=True
)
base_model.config.use_cache = False
base_model.config.pretraining_tp = 1

11、配置QLora

peft_config = LoraConfig(
    lora_alpha=16,
    lora_dropout=0.1,
    r=64,
    bias="none",
    task_type="CAUSAL_LM",
)

12、对本地模型，把长文本拆成最小的单元词（即token）

tokenizer = AutoTokenizer.from_pretrained(base_model_name, trust_remote_code=True)
tokenizer.pad_token = tokenizer.eos_token

13、训练参数的配置

output_dir = "./results"
training_args = TrainingArguments(
    report_to="wandb",
    output_dir=output_dir,#训练后输出目录
    per_device_train_batch_size=4,#每个GPU的批处理数据量
    gradient_accumulation_steps=4,#在执行反向传播/更新过程之前，要累积其梯度的更新步骤数
    learning_rate=2e-4,#超参、初始学习率。太大模型不稳定，太小则模型不能收敛
    logging_steps=10,#两个日志记录之间的更新步骤数
    max_steps=100#要执行的训练步骤总数
)
max_seq_length = 512
#TrainingArguments 的参数详解：https://blog.csdn.net/qq_33293040/article/details/117376382
 
trainer = SFTTrainer(
    model=base_model,
    train_dataset=dataset,
    peft_config=peft_config,
    dataset_text_field="text",
    max_seq_length=max_seq_length,
    tokenizer=tokenizer,
    args=training_args,
)

14、开始进行微调训练

trainer.train()

可以看到，随着训练的进行，损失函数在下降：

15、把训练好的模型保存下来

import os
output_dir = os.path.join(output_dir, "final_checkpoint")
trainer.model.save_pretrained(output_dir)

五、执行代码合并

把训练好的模型与原始模型进行合并。

1、新建一个merge_model.py的文件，把下面的代码粘贴进去：

from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
 
#设置原来本地模型的地址
model_name_or_path = '/root/autodl-tmp/Llama2-chat-13B-Chinese-50W'
#设置微调后模型的地址，就是上面的那个地址
adapter_name_or_path = '/root/autodl-tmp/results/final_checkpoint'
#设置合并后模型的导出地址
save_path = '/root/autodl-tmp/new_model'
 
tokenizer = AutoTokenizer.from_pretrained(
    model_name_or_path,
    trust_remote_code=True
)
model = AutoModelForCausalLM.from_pretrained(
    model_name_or_path,
    trust_remote_code=True,
    low_cpu_mem_usage=True,
    torch_dtype=torch.float16,
    device_map='auto'
)
print("load model success")
model = PeftModel.from_pretrained(model, adapter_name_or_path)
print("load adapter success")
model = model.merge_and_unload()
print("merge success")
 
tokenizer.save_pretrained(save_path)
model.save_pretrained(save_path)
print("save done.")

2、新建终端，然后执行上述合并代码，进行合并

python merge_model.py

运行结果：

六、使用gradio运行模型

进入Llama2文件夹：cd Llama2

python gradio_demo.py --base_model /root/autodl-tmp/new_model --tokenizer_path /root/autodl-tmp/new_model --gpus 0

七、可能遇到的问题

1、执行代码notebook_login()时报错

报错显示：

(MaxRetryError("HTTPSConnectionPool(host='huggingface.co', port=443): Max retries exceeded with url: /api/whoami-v2 (Caused by NewConnectionError('<urllib3.connection.HTTPSConnection object at 0x7fdf07ee4940>: Failed to establish a new connection: [Errno 110] Connection timed out'))"), '(Request ID: 3557b723-1341-4c75-b72a-f8ecf6c6a070)')

解决办法：

这是一个Python的错误信息，表明在使用Hugging Face的连接池时出现了最大重试误。根该错误信息，我们可以推测可能的原因是连接到huggingface.co的连接池达到了最大重试次数，但仍无法建立连接。这可能是由于网络连接问题、服务器不可用或其他问题导致的。

2、执行代码trainer.train()时报错

报错显示：

OutOfMemoryError: CUDA out of memory. Tried to allocate 270.00 MiB (GPU 0; 31.74 GiB total capacity; 29.60 GiB already allocated; 36.88 MiB free; 30.72 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

解决办法一：

将训练参数的配置中的 per_device_train_batch_size 参数设置为2，再执行代码trainer.train()，即可解决。

解决办法二：

报错的主要原因为显存不足，可以更换显存更大的主机。