CogVLM多模态大模型训练代码详细教程(基于vscode调试与训练）

---

前言

今天(2023-12-29)，我很开心，断断续续时间搞了一下CogVLM大模型训练代码，终于实现了CogVLM大模型训练。特别是我是基于vscode编辑器配置launch.json文件在RTX4090显卡实现多模态大模型训练。可能很多玩过大模型或显卡显存充足情况下，使用官网教程，顺利情况亦可实现该模型训练。然我介于显卡为云服务，不得不在一张4090显卡上实现代码解读与训练。而代码解读必然使用debug模式较佳，在多种编辑器中看到vscode能力，我实现deepspeed方式在vscode中训练大模型。同时，有关CogVLM模型训练的解读或代码资料较少。因此，本文将介绍如何训练CogVLM模型，重点是如何使用vscode在4090显卡上调试模型。当然，我的博客也分享了vscode使用deepspeed方法与CogVLM推理过程解读，感兴趣可参考我的博客。

---

一、cogvlm环境安装

按照官网方法安装：https://github.com/THUDM/CogVLM/tree/main

# CUDA >= 11.8
pip install -r requirements.txt
python -m spacy download en_core_web_sm

建议查看requirements.txt文件下载对应torch版本离线安装，特别注意2.0以上版本含有cudnn，如果你cuda安装有cudnn，则下载不含cudnn的版本。当然，你安装也可存在以下问题，如下：

1、apex问题

github上下载apex离线安装会报错，大致原因是与torch版本兼容问题，可直接忽略，在setup.py文件中注释如下图框中内容即可：

最后，会提示安装成功，如下图：

2、en_core_web_sm问题

也许运行代码会有OSError: [E050] Can’t find model ‘en_core_web_sm’. 错误，这个是中文映射相关库，word2embeding相关内容，方法如下：

下载：
可以使用命令下载：python3 -m spacy download en_core_web_sm
也可以直接使用链接手动下载(链接来源命令)：
https://github.com/explosion/spacy-models/releases/download/en_core_web_sm-3.7.1/en_core_web_sm-3.7.1-py3-none-any.whl

安装：

pip install en_core_web_sm-3.7.1/en_core_web_sm-3.7.1-py3-none-any.whl

通过运行：

二、launch.json文件配置

想要调试方式对CogVLM模型debug解读代码，必然需要配置launch.json文件内容。在这里，我假设使用finetune_cogvlm_lora.sh文件运行，我会给出如何将sh运行脚本配置launch.json文件，可debug方式解读代码。

1、finetune_cogvlm_lora.sh被配置内容

#! /bin/bash
# export PATH=/usr/local/cuda/bin:$PATH
# export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

NUM_GPUS_PER_WORKER=8
MP_SIZE=1

script_path=$(realpath $0)
script_dir=$(dirname $script_path)
main_dir=$(dirname $script_dir)
MODEL_TYPE="cogvlm-base-490"
VERSION="base"
MODEL_ARGS="--from_pretrained $MODEL_TYPE \
    --max_length 1288 \
    --lora_rank 10 \
    --use_lora \
    --local_tokenizer lmsys/vicuna-7b-v1.5 \
    --version $VERSION"
# Tips: If training models of resolution 244, you can set --max_length smaller 

OPTIONS_SAT="SAT_HOME=~/.sat_models"
OPTIONS_NCCL="NCCL_DEBUG=info NCCL_IB_DISABLE=0 NCCL_NET_GDR_LEVEL=2 LOCAL_WORLD_SIZE=$NUM_GPUS_PER_WORKER"
HOST_FILE_PATH="hostfile"
train_data="./archive_split/train"
valid_data="./archive_split/valid"
gpt_options=" \
       --experiment-name finetune-$MODEL_TYPE \
       --model-parallel-size ${MP_SIZE} \
       --mode finetune \
       --train-iters 800 \
       --resume-dataloader \
       $MODEL_ARGS \
       --train-data ${train_data} \
       --valid-data ${valid_data} \
       --distributed-backend nccl \
       --lr-decay-style cosine \
       --warmup .02 \
       --checkpoint-activations \
       --vit_checkpoint_activations \
       --save-interval 200 \
       --eval-interval 200 \
       --save "./checkpoints" \
       --eval-iters 10 \
       --eval-batch-size 1 \
       --split 1. \
       --deepspeed_config test_config_bf16.json \
       --skip-init \
       --seed 2023
"

             
run_cmd="${OPTIONS_NCCL} ${OPTIONS_SAT} deepspeed --master_port 16666 --hostfile ${HOST_FILE_PATH} finetune_cogvlm_demo.py ${gpt_options}"
echo ${run_cmd}
eval ${run_cmd}

set +x

2、launch.json文件配置

将上面的sh文件配置成launch.json文件，内容如下：

{
   
    "version": "0.2.0",
    "configurations": [
        
        {
            "name": "finetune_cogvlm_lora",
            "type": "python",
            "request": "launch",
            "program": "/home/ubuntu/anaconda3/envs/cogvlm/bin/deepspeed",
            "console": "integratedTerminal",
            "justMyCode": true, 
            "args": [ 
            
            //"--hostfile","./hostfile.txt",
            "finetune_demo/finetune_cogvlm_demo.py",
            //"${file}",
   
            "--experiment-name", "cogvlm-base-490",
            "--model-parallel-size", "1",
            "--mode", "finetune",
            "--train-iters", "800",
            "--resume-dataloader",

            "--from_pretrained", "cogvlm-base-224",
            "--max_length", "1288",
            "--lora_rank", "10",
            "--use_lora",
            "--local_tokenizer", "lmsys/vicuna-7b-v1.5",
            "--version", "base",

            "--train-data", "/home/CogVLM-main/archive_split/train",
            "--valid-data", "/home/CogVLM-main/archive_split/valid",
            "--distributed-backend", "nccl",
            "--lr-decay-style", "cosine",
            "--warmup",".02",
            "--checkpoint-activations",
            "--vit_checkpoint_activations",
            "--save-interval", "200",
            "--eval-interval", "200",
            "--save", "./checkpoints",
            "--eval-iters", "10", 
            "--eval-batch-size", "1",
            "--split", "1.",
            "--deepspeed_config", "test_config_bf16.json",
            "--skip-init",
            "--seed", "2023"
            

            ],

      
            "env": {
                //"SAT_HOME": "~/.sat_models",
                "NCCL_DEBUG": "info",
                "NCCL_IB_DISABLE": "0",
                "NCCL_NET_GDR_LEVEL": "1",
                "LOCAL_WORLD_SIZE": "1",

                "CUDA_VISIBLE_DEVICES": "0",
                "PYDEVD_DISABLE_FILE_VALIDATION": "1",
            }

           
        }
    ]
}

注：最重要是vscode如何使用deepspeed运行大模型

3、debug调试展示

按照以上内容即可实现如下debug方式，解决sh无法debug模型变成可debug方式，大大提高代码解读和修改。

三、训练源码解读

1、权重问题

模型中使用的相关权重，可参考官网和我的博客http://t.csdnimg.cn/53d2C

2、数据问题

数据参考官网：https://github.com/THUDM/CogVLM/blob/main/README_zh.md
使用下图步骤处理数据，如下：

3、训练模型参数修改

如果你的显卡不足，但又想解读源码，可更改模型文件模型层数，如下红框内容修改，即可实现源码解读。我修改如下，使用cogvlm-grounding-generalist模型，在4090显卡上大约占9个G左右。

4、训练源码解读

finetune源码集成代码文件为finetune_cogvlm_demo.py内，模型加载依然使用from_pretrained，之后和我之前博客点击这里说的类似，我将不在解读。

5、训练结果展示

当训练完后，依然会保存和cogvlm-grounding-generalist文件夹一样的内容，值权重值不一样。