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	llama2_7b.ckpt	Llama-2-7b-hf

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
1. 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。
2. 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。选项包括 "wiki" 和 "qa" 两种。
    - "wiki" 用于处理 Wikitext2 数据集，该数据集适用于预训练和评测阶段。
    - "qa" 用于处理 alpaca 数据集，将该数据集转换为问答格式，该数据集适用于微调阶段。其他的数据集转换脚本请参考对应的模型文档。
  - 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。
3. 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。