背景：
目前，大模型的技术应用已经遍地开花。最快的应用方式无非是利用自有垂直领域的数据进行模型微调。chatglm2-6b在国内开源的大模型上，效果比较突出。本文章分享的内容是用chatglm2-6b模型在集团EA的P40机器上进行垂直领域的LORA微调。
复制代码
一、chatglm2-6b 介绍
github： https://github.com/THUDM/ChatGLM2-6B
chatglm2-6b相比于chatglm有几方面的提升：
1. 性能提升： 相比初代模型，升级了 ChatGLM2-6B 的基座模型，同时在各项数据集评测上取得了不错的成绩；
2. 更长的上下文： 我们将基座模型的上下文长度（Context Length）由 ChatGLM-6B 的 2K 扩展到了 32K，并在对话阶段使用 8K 的上下文长度训练；
3. 更高效的推理： 基于 Multi-Query Attention 技术，ChatGLM2-6B 有更高效的推理速度和更低的显存占用：在官方的模型实现下，推理速度相比初代提升了 42%；
4. 更开放的协议：ChatGLM2-6B 权重对学术研究完全开放，在填写问卷进行登记后亦允许免费商业使用。
复制代码
二、微调环境介绍 2.1 性能要求
推理这块，chatglm2-6b在精度是fp16上只需要14G的显存，所以P40是可以cover的。
复制代码
2.2 镜像环境
做微调之前，需要编译环境进行配置，我这块用的是docker镜像的方式来加载镜像环境，具体配置如下：
复制代码
FROM base-clone-mamba-py37-cuda11.0-gpu
mpich
RUN yum install mpich
create my own environment
RUN conda create -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ --override --yes --name py39 python=3.9
display my own environment in Launcher
RUN source activate py39
&& conda install --yes --quiet ipykernel
&& python -m ipykernel install --name py39 --display-name "py39"
install your own requirement package
RUN source activate py39
&& conda install -y -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
pytorch torchvision torchaudio faiss-gpu
&& pip install --no-cache-dir --ignore-installed -i https://pypi.tuna.tsinghua.edu.cn/simple
protobuf
streamlit
transformers==4.29.1
cpm_kernels
mdtex2html
gradio==3.28.3
sentencepiece
accelerate
langchain
pymupdf
unstructured[local-inference]
layoutparser[layoutmodels,tesseract]
nltk~=3.8.1
sentence-transformers
beautifulsoup4
icetk
fastapi~=0.95.0
uvicorn~=0.21.1
pypinyin~=0.48.0
click~=8.1.3
tabulate
feedparser
azure-core
openai
pydantic~=1.10.7
starlette~=0.26.1
numpy~=1.23.5
tqdm~=4.65.0
requests~=2.28.2
rouge_chinese
jieba
datasets
deepspeed
pdf2image
urllib3==1.26.15
tenacity~=8.2.2
autopep8
paddleocr
mpi4py
tiktoken
如果需要使用deepspeed方式来训练， EA上缺少mpich信息传递工具包，需要自己手动安装。
复制代码
2.3 模型下载
huggingface地址： https://huggingface.co/THUDM/chatglm2-6b/tree/main
复制代码
三、LORA 微调 3.1 LORA 介绍
paper： https://arxiv.org/pdf/2106.09685.pdf
LORA（Low-Rank Adaptation of Large Language Models）微调方法： 冻结预训练好的模型权重参数，在冻结原模型参数的情况下，通过往模型中加入额外的网络层，并只训练这些新增的网络层参数。
复制代码
LoRA 的思想：•在原始 PLM (Pre-trained Language Model) 旁边增加一个旁路，做一个降维再升维的操作。•训练的时候固定 PLM 的参数，只训练降维矩阵 A 与升维矩 B。而模型的输入输出维度不变，输出时将 BA 与 PLM 的参数叠加。•用随机高斯分布初始化 A，用 0 矩阵初始化 B，保证训练的开始此旁路矩阵依然是 0 矩阵。3.2 微调
huggingface提供的peft工具可以方便微调PLM模型，这里也是采用的peft工具来创建LORA。
peft的github： https://gitcode.net/mirrors/huggingface/peft?utm_source=csdn_github_accelerator
加载模型和lora微调：
# load modeltokenizer = AutoTokenizer.from_pretrained(args.model_dir, trust_remote_code=True)model = AutoModel.from_pretrained(args.model_dir, trust_remote_code=True)
print("tokenizer:", tokenizer)
# get LoRA modelconfig = LoraConfig( r=args.lora_r, lora_alpha=32, lora_dropout=0.1, bias="none",)
# 加载lora模型model = get_peft_model(model, config)# 半精度方式model = model.half().to(device)
这里需要注意的是，用huggingface加载本地模型，需要创建work文件，EA上没有权限在没有在.cache创建，这里需要自己先制定work路径。
复制代码
import osos.environ['TRANSFORMERS_CACHE'] = os.path.dirname(os.path.abspath(file))+"/work/"os.environ['HF_MODULES_CACHE'] = os.path.dirname(os.path.abspath(file))+"/work/"
如果需要用deepspeed方式训练，选择你需要的zero-stage方式：
conf = {"train_micro_batch_size_per_gpu": args.train_batch_size, "gradient_accumulation_steps": args.gradient_accumulation_steps, "optimizer": { "type": "Adam", "params": { "lr": 1e-5, "betas": [ 0.9, 0.95 ], "eps": 1e-8, "weight_decay": 5e-4 } }, "fp16": { "enabled": True }, "zero_optimization": { "stage": 1, "offload_optimizer": { "device": "cpu", "pin_memory": True }, "allgather_partitions": True, "allgather_bucket_size": 2e8, "overlap_comm": True, "reduce_scatter": True, "reduce_bucket_size": 2e8, "contiguous_gradients": True }, "steps_per_print": args.log_steps }
其他都是数据处理处理方面的工作，需要关注的就是怎么去构建prompt，个人认为在领域内做微调构建prompt非常重要，最终对模型的影响也比较大。
复制代码
四、微调结果
目前模型还在finetune中，batch=1，epoch=3，已经迭代一轮。
复制代码
评论