快速启动
本节展示如何使用MindFormers快速拉起一个基于 Llama2-7B 模型的LoRA低参微调任务。如果想要通过MindFormers使用其他模型和任务,请阅读对应的模型文档。
权重文件准备
MindFormers提供已经转换完成的预训练权重、词表文件用于预训练、微调和推理,用户也可以下载HuggingFace官方权重经过模型权重转换后进行使用。为了方便起见,这里不对转换原始权重过多赘述,有需要请参考Llama2
文档以及权重转换了解更多细节。这里请直接下载MindSpore
权重,下载转换后的.ckpt
文件以及tokenizer.model
文件进行后续的处理。
模型名称 |
MindSpore权重 |
HuggingFace权重 |
---|---|---|
Llama2-7B |
词表下载链接:tokenizer.model
数据集准备
微调过程中使用的数据集在数据集下载获得。
数据预处理
执行mindformers/tools/dataset_preprocess/llama/alpaca_converter.py,使用fastchat工具添加prompt模板,将原始数据集转换为多轮对话格式。
python alpaca_converter.py \ --data_path /{path}/alpaca_data.json \ --output_path /{path}/alpaca-data-conversation.json # 参数说明 data_path: 输入下载的文件路径 output_path: 输出文件的保存路径
执行mindformers/tools/dataset_preprocess/llama/llama_preprocess.py,生成MindRecord数据,将带有prompt模板的数据转换为MindRecord格式。
# 此工具依赖fschat工具包解析prompt模板,请提前安装fschat >= 0.2.13 python = 3.9 python llama_preprocess.py \ --dataset_type qa \ --input_glob /{path}/alpaca-data-conversation.json \ --model_file /{path}/tokenizer.model \ --seq_length 4096 \ --output_file /{path}/alpaca-fastchat4096.mindrecord # 参数说明 dataset_type: 预处理数据类型 input_glob: 转换后的alpaca的文件路径 model_file: 模型tokenizer.model文件路径 seq_length: 输出数据的序列长度 output_file: 输出文件的保存路径
控制台输出如下内容,证明格式转换成功。
# 控制台输出 Transformed 52002 records. Transform finished, output files refer: {path}/alpaca-fastchat4096.mindrecord
启动微调
使用run_mindformer.py
统一脚本拉起任务:
通过
--config
指定config
路径configs/llama2/lora_llama2_7b.yaml
。通过
--train_dataset_dir
指定数据集路径/{path}/alpaca-fastchat4096.mindrecord
。通过
--load_checkpoint
指定权重文件路径/{path}/llama2_7b.ckpt
。通过
--auto_trans_ckpt True
打开权重自动切分功能。使用八块NPU进行实验,通过
--use_parallel True
开启多进程工作。通过
--run_mode finetune
设定运行模式为finetune
,即进行微调。
bash scripts/msrun_launcher.sh "run_mindformer.py \
--config configs/llama2/lora_llama2_7b.yaml \
--train_dataset_dir /{path}/alpaca-fastchat4096.mindrecord \
--load_checkpoint /{path}/llama2_7b.ckpt \
--auto_trans_ckpt True \
--use_parallel True \
--run_mode finetune" 8
当控制台出现如下日志时:
[mindspore/parallel/cluster/process_entity/_api.py:224] Start worker process with rank id:0, log file:output/msrun_log/worker_0.log. Environment variable [RANK_ID] is exported.
[mindspore/parallel/cluster/process_entity/_api.py:224] Start worker process with rank id:1, log file:output/msrun_log/worker_1.log. Environment variable [RANK_ID] is exported.
[mindspore/parallel/cluster/process_entity/_api.py:224] Start worker process with rank id:2, log file:output/msrun_log/worker_2.log. Environment variable [RANK_ID] is exported.
[mindspore/parallel/cluster/process_entity/_api.py:224] Start worker process with rank id:3, log file:output/msrun_log/worker_3.log. Environment variable [RANK_ID] is exported.
[mindspore/parallel/cluster/process_entity/_api.py:224] Start worker process with rank id:4, log file:output/msrun_log/worker_4.log. Environment variable [RANK_ID] is exported.
[mindspore/parallel/cluster/process_entity/_api.py:224] Start worker process with rank id:5, log file:output/msrun_log/worker_5.log. Environment variable [RANK_ID] is exported.
[mindspore/parallel/cluster/process_entity/_api.py:224] Start worker process with rank id:6, log file:output/msrun_log/worker_6.log. Environment variable [RANK_ID] is exported.
[mindspore/parallel/cluster/process_entity/_api.py:224] Start worker process with rank id:7, log file:output/msrun_log/worker_7.log. Environment variable [RANK_ID] is exported.
说明启动微调成功。
说明
关于Llama2更多细节,以及更多的启动方式,请具体参考Llama2
的 README文档获取更多支持。