书生·浦语大模型实战营-学习笔记4

XTuner 大模型单卡低成本微调实战

Finetune简介

常见的两种微调策略：增量预训练、指令跟随

指令跟随微调

数据是一问一答的形式
对话模板构建

每个开源模型使用的对话模板都不相同

指令微调原理：
由于只有答案部分是我们期望模型来进行回答的内容，所以我们只对答案部分进行损失的计算

增量预训练微调

数据都是陈述句，没有问答形式

LoRA & QLoRA

XTuner中使用的微调原理：LoRA & QLoRA
如果我们要对整个模型的所有参数都进行调整的话，需要非常大的显存才能够进行训练，但是用LoRA的方法就不需要这么大的显存开销了

LoRA: Low-Rank Adaptation

比较：全参数微调、LoRA、QLoRA

全参数微调：整个模型都要加载到显存中，所有模型参数的优化器也都要加载到显存中，显存不够根本无法进行。

LoRA：模型也是要先加载到显存中，但是我们只需要保存LoRA部分的参数优化器，大大减小了显存占用。

QLoRA：加载模型时就使用4bit量化的方式加载（相当于不那么精确的加载），但是可以节省显存开销，QLoRA部分的参数优化器，还可以在GPU和CPU之间进行调度【这是Xtunner进行整合的功能 】，显存满了就自动去内存中去跑。

XTuner介绍

XTuner快速上手

1. 安装

pip install xtuner

2. 挑选配置模版

xtuner list-cfg -p internlm_20b

3. 一键训练

xtuner train internlm_20b_qlora_oasst1_512_e3

4. Config 命名规则

模型名	internlm_20b ( 无 chat 代表是基座模型 )
使用算法	qlora
数据集	oasst1
数据长度	512
Epoch	e3, epoch 3

自定义训练（微调）：

1. 拷贝配置模板
2. 修改配置文件
3. 启动训练
4. 配置模板中的常用超参数
   
   对话：
   训练完成后得到了Adapter文件（LoRA文件），我们就需要在加载底座模型的基础上，同时加载这个Adapter，来进行模型的对话与测试。
5. Float 16模型对话
6. 4bit量化模式模型对话
7. 加载Adapter模型对话
   
   XTuner还支持工具类模型的对话，类似于GPT里面的plugin
   
   XTunner具有强大的数据处理引擎，对于这种格式化的问答对，进行了统一的数据指定。对于开源数据集进行了映射函数的内置，可以方便的在很多流行的开源数据集上进行一键启动。
   这样开发者可以专注于数据内容，不必花费精力处理复杂的数据格式。
   

XTunner支持多数据的样本拼接，如果使用XTunner的默认配置，它只需要6GB或者8GB的显存消耗。如果有更大显存的显卡，为了利用更大显存，就需要增加运行效率，进行多数据样本拼接，将多条数据拼接到一起后，输入模型，然后统一的进行梯度的传播，增加并行性，充分利用GPU资源。

自定义数据集建议使用json格式

8GB显卡玩转LLM

XTuner默认开启了Flash Attention的加速方式，可以加速训练，同时也集成了deepspeed_zero的优化方法，也可以在训练在训练的过程中更快。

deep speed不是默认启动的


优化前优化后，不同计算卡上的显存占用情况

动手实战环节

https://github.com/InternLM/tutorial/blob/main/xtuner/README.md