[大模型] 搭建llama主流大模型训练环境

关键词:大模型,LLAMA,CUDA,模型训练

1. 基础环境

OS: Ubuntu 18.04
GPU: 4*A100(40G) (单机4卡A100 40G)
CUDA:11.7
cuDNN: 8.4.1 (需要登录官网后下载)
nccl: 2.12.12 (需要登录官网后下载)
python: 3.10 (conda create -n vllm python=3.10)
pytorch: 2.0.0+cu117 离线安装包地址
LLaMA-7B/13B/30B/65B模型: 下载地址,需要安装ipfs,也可通过pyllama进行下载:

pip install pyllama -U
python -m llama.download --model_size 7B

实验模型: stanford_alpaca, standford_lora, Chinese-LLaMA-Alpaca

注意先安装cuDNN,再安装CUDA,使用nvidia-sminvcc -V查看是否安装成功。

2. 将原生llama模型转换为HF模型格式

  • 由于llama模型尚未合入官方transformers,需要从源码安装fork版本的tranformers以便进行llama模型格式转换与加载:

    git clone https://github.com/zphang/transformers.git
    cd transformers
    python setup.py install
    
  • 将llama-7B模型使用fork transformers版本转换为HF模型格式,转换后得到两个文件夹llama-7b和tokenizer

    python src/transformers/models/llama/convert_llama_weights_to_hf.py \
        --input_dir /data/xh/models/llama \
        --model_size 7B \
        --output_dir /data/xh/models/llama_hf
        
    #注意:在加载模型的时候,需要将tokenizer文件夹中的内容复制到llama-7b下
    cd /data/xh/models/llama_hf
    cp tokenizer/* llama-7b/
    

3. 基于llama模型进行再训练或finetuning

搭建好基础环境后,以llama_hf模型为基础,可以对衍生模型stanford_alpaca, standford_lora, Chinese-LLaMA-Alpaca继续进行预训练训练或进行finetuning训练了。

# 加载llama模型,注意使用fork版本的transformers
tokenizer = transformers.LlamaTokenizer.from_pretrained("/data/xh/models/llama_hf/tokenizer/")
model = transformers.LlamaForCausalLM.from_pretrained("/data/xh/models/llama_hf/llama-7b/")

参考
https://zhuanlan.zhihu.com/p/618321077

-------- END --------

你可能感兴趣的:(llama,人工智能,算法)