作者：熊兮、贺弘、临在
通义千问-72B（Qwen-72B）是阿里云研发的通义千问大模型系列的 720 亿参数规模的大语言模型，在 2023 年 11 月正式开源。Qwen-72B 的预训练数据类型多样、覆盖广泛，包括大量网络文本、专业书籍、代码等。Qwen-72B-Chat 是在 Qwen-72B 的基础上，使用对齐机制打造的基于大语言模型的 AI 助手。
阿里云人工智能平台 PAI 是面向开发者和企业的机器学习/深度学习平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的 AI 开发全链路服务。
本文将以 Qwen-72B-Chat 为例，介绍如何在 PAI 平台的快速开始 PAI-QuickStart 和交互式建模工具 PAI-DSW 中高效微调千问大模型。
使用 PAI-DSW 快速体验和轻量化微调 Qwen-72B-Chat
PAI-DSW 是云端机器学习开发 IDE，为用户提供交互式编程环境，同时提供了丰富的计算资源。Qwen-72B-Chat 的教程可以在智码实验室（https://gallery.pai-ml.com/）Notebook Gallery 中检索到，参见下图：
上述 Notebook 可以使用阿里云 PAI-DSW 的实例打开，并且需要选择对应的计算资源和镜像。
快速体验 Qwen-72B-Chat
首先，我们在 DSW 调用 ModelScope 快速体验 Qwen-72B-Chat 模型进行对话。在安装完 ModelScope 相关依赖后，我们可以运行如下 Python 代码：
from modelscope import AutoModelForCausalLM, AutoTokenizerfrom modelscope import GenerationConfig
# Note: The default behavior now has injection attack prevention off.tokenizer = AutoTokenizer.from_pretrained("qwen/Qwen-72B-Chat", revision='master', trust_remote_code=True)
# use bf16# model = AutoModelForCausalLM.from_pretrained("qwen/Qwen-72B-Chat", device_map="auto", trust_remote_code=True, bf16=True).eval()# use fp16# model = AutoModelForCausalLM.from_pretrained("qwen/Qwen-72B-Chat", device_map="auto", trust_remote_code=True, fp16=True).eval()# use cpu only# model = AutoModelForCausalLM.from_pretrained("qwen/Qwen-72B-Chat", device_map="cpu", trust_remote_code=True).eval()# use auto mode, automatically select precision based on the device.model = AutoModelForCausalLM.from_pretrained("qwen/Qwen-72B-Chat", revision='master', device_map="auto", trust_remote_code=True).eval()
# 第一轮对话 1st dialogue turnresponse, history = model.chat(tokenizer, "你好", history=None)print(response)# 你好！很高兴为你提供帮助。
# 第二轮对话 2nd dialogue turnresponse, history = model.chat(tokenizer, "给我讲一个年轻人奋斗创业最终取得成功的故事。", history=history)print(response)# 这是一个关于一个年轻人奋斗创业最终取得成功的故事。# 故事的主人公叫李明，他来自一个普通的家庭，父母都是普通的工人。从小，李明就立下了一个目标：要成为一名成功的企业家。# 为了实现这个目标，李明勤奋学习，考上了大学。在大学期间，他积极参加各种创业比赛，获得了不少奖项。他还利用课余时间去实习，积累了宝贵的经验。# 毕业后，李明决定开始自己的创业之路。他开始寻找投资机会，但多次都被拒绝了。然而，他并没有放弃。他继续努力，不断改进自己的创业计划，并寻找新的投资机会。# 最终，李明成功地获得了一笔投资，开始了自己的创业之路。他成立了一家科技公司，专注于开发新型软件。在他的领导下，公司迅速发展起来，成为了一家成功的科技企业。# 李明的成功并不是偶然的。他勤奋、坚韧、勇于冒险，不断学习和改进自己。他的成功也证明了，只要努力奋斗，任何人都有可能取得成功。
# 第三轮对话 3rd dialogue turnresponse, history = model.chat(tokenizer, "给这个故事起一个标题", history=history)print(response)# 《奋斗创业：一个年轻人的成功之路》
复制代码
为了节省显存，ModelScope 也支持使用 Int4/Int8 量化模型：
from modelscope import AutoModelForCausalLM, AutoTokenizerfrom modelscope import GenerationConfig
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen-72B-Chat-Int4", revision='master', trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained( "Qwen/Qwen-72B-Chat-Int4", device_map="auto", trust_remote_code=True).eval()response, history = model.chat(tokenizer, "你好", history=None)
复制代码
轻量化微调 Qwen-72B-Chat
轻量化微调 Qwen-72B-Chat 最佳实践支持最主流的轻量化微调算法 LoRA，并且需要使用 A800（80GB）4 卡及以上资源进行计算。以下，我们简述轻量化微调 Qwen-72B-Chat 的算法流程。首先，我们下载 Qwen-72B-Chat 的 Checkpoint 和用于 LoRA 微调的数据集，用户也可以按照上述格式自行准备数据集。
def aria2(url, filename, d): !aria2c --console-log-level=error -c -x 16 -s 16 {url} -o {filename} -d {d}
qwen72b_url = f"http://pai-vision-data-inner-wulanchabu.oss-cn-wulanchabu-internal.aliyuncs.com/qwen72b/Qwen-72B-Chat-sharded.tar"aria2(qwen72b_url, qwen72b_url.split("/")[-1], "/root/")
!cd /root && tar -xvf Qwen-72B-Chat-sharded.tar!wget -c http://pai-vision-data-inner-wulanchabu.oss-cn-wulanchabu.aliyuncs.com/qwen72b/sharegpt_zh_1K.json -P /workspace/Qwen
复制代码
第二步，我们可以修改示例命令的超参数，并且拉起训练任务。
! cd /workspace/Qwen && CUDA_DEVICE_MAX_CONNECTIONS=1 torchrun --nproc_per_node 8 \--nnodes 1 \--node_rank 0 \--master_addr localhost \--master_port 6001 \finetune.py \--model_name_or_path /root/Qwen-72B-Chat-sharded \--data_path sharegpt_zh_1K.json \--bf16 True \--output_dir /root/output_qwen \--num_train_epochs 1 \--per_device_train_batch_size 1 \--per_device_eval_batch_size 1 \--gradient_accumulation_steps 8 \--evaluation_strategy "no" \--save_strategy "steps" \--save_steps 1000 \--save_total_limit 1 \--learning_rate 3e-4 \--weight_decay 0.1 \--adam_beta2 0.95 \--warmup_ratio 0.01 \--lr_scheduler_type "cosine" \--logging_steps 1 \--report_to "none" \--model_max_length 2048 \--lazy_preprocess True \--use_lora \--gradient_checkpointing \--deepspeed finetune/ds_config_zero3.json
复制代码
当训练结束后，将 LoRA 权重合并到模型 Checkpoint。
from peft import AutoPeftModelForCausalLM
model = AutoPeftModelForCausalLM.from_pretrained( '/root/output_qwen', # path to the output directory device_map="auto", trust_remote_code=True).eval()merged_model = model.merge_and_unload()merged_model.save_pretrained('/root/qwen72b_sft', max_shard_size="2048MB", safe_serialization=True)
!cp /root/Qwen-72B-Chat-sharded/qwen.tiktoken /root/qwen72b_sft/!cp /root/Qwen-72B-Chat-sharded/tokenization_qwen.py /root/qwen72b_sft/!cp /root/Qwen-72B-Chat-sharded/tokenizer_config.json /root/qwen72b_sft/
复制代码
最后，我们使用轻量化微调后的 Qwen-72B-Chat 模型进行推理。以推理框架 vllm 为例，推理接口如下：
from vllm import LLMfrom vllm.sampling_params import SamplingParams
qwen72b = LLM("/root/qwen72b_sft/", tensor_parallel_size=2, trust_remote_code=True, gpu_memory_utilization=0.99)samplingparams = SamplingParams(temperature=0.0, max_tokens=512, stop=['<|im_end|>'])prompt = """<|im_start|>system<|im_end|><|im_start|>user<|im_end|>Hello! What is your name?<|im_end|><|im_start|>assistant"""output = qwen72b.generate(prompt, samplingparams)print(output)
复制代码
其中，tensor_parallel_size 需要根据 DSW 示例配置中的 GPU 数量进行调整。
使用 PAI-QuickStart 全量参数微调 Qwen-72B-Chat
快速开始（PAI-QuickStart）是 PAI 产品组件，集成了国内外 AI 开源社区中优质的预训练模型，支持零代码实现全量参数微调 Qwen-72B-Chat。PAI-QuickStart 的这一款全量参数微调组件使用 PAI 灵骏智算服务作为底层计算资源，使用 4 机 32 卡（每卡 80GB 显存）进行训练。Qwen-72B-Chat 的全量参数微调基于 Megatron-LM 的训练流程，支持了数据并行、算子拆分、流水并行、序列并行、选择性激活重算、Zero 显存优化等技术，大幅提升大模型分布式训练效率。在这一组件中，我们提前对模型 Checkpoint 进行了切分，适配多机多卡环境训练，用户只需根据格式要求准备训练集和验证集，配置训练时候使用的超参数就可以一键拉起训练任务。
通过控制台使用
Qwen-72B-Chat 的模型卡片如下图所示：
我们可以根据实际需求调整超参数，例如 learning_rate、sequence_length、train_iters 等，如下所示：
点击“训练”按钮，PAI-QuickStart 自动跳转到模型训练页面，并且开始进行训练，用户可以查看训练任务状态和训练日志，如下所示：
在训练结束后，可以在输出路径的 OSS Bucket 中查看每次保存的 Checkpoint 模型切片，如下所示：
用户可以根据实际情况，选择最合适的 Checkpoint 进行推理和部署，具体流程参见这里，本文不再赘述。
通过 PAI Python SDK 使用
评论