Langchian-ChatGLM安装部署

ChatGLM2-6B微调

微调工具

本次我们使用ChatGLM-Efficient-Tuning,基于 🤗PEFT 的高效 🤖ChatGLM-6B 微调工具

目前实现了针对以下高效微调方法的支持：

• LoRA
  • 仅微调低秩适应器。
• P-Tuning V2
  • 仅微调前缀编码器。
• Freeze Tuning
  • 仅微调后几层的全连接层。
• 全量微调
  • 微调模型所有参数。

本次我们使用LoRA微调方法。

微调步骤

下载代码

git clone https://github.com/hiyouga/ChatGLM-Efficient-Tuning.git

安装依赖

cd ChatGLM-Efficient-Tuning
# 创建conda环境
conda create -n chatglm2 python=3.9
conda activate chatglm2
# 安装pytorch,如果已安装可以忽略
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia
# 安装项目依赖
pip install -r requirements.txt

下载模型

下载地址: https://huggingface.co/THUDM/chatglm2-6b

注意必须要将整个项目git clone下来

这里建议已经下载过模型的重新将项目中的几个py文件重新下载一次,不然会报错

git lfs install
git clone https://huggingface.co/THUDM/chatglm2-6b

编辑数据集

数据集按照如下格式即可

[
    {
        "question": "人们为何常常感到委屈", //输入
        "instruction": "问答",  //指令 如 翻译/问答
        "output": "人常会不自觉地记下对自己有利的部分，这是形成委屈的重要原因。" //输出
    }
]

在src/data/data_info.json中新增数据集并编辑字段映射

"zhangyiming": {
  "file_name": "/gemini/data-1/zhangyiming.json",
  "columns": { //对应数据集的字段名
    "prompt": "instruction",
    "query": "input",
    "response": "output"
  }
}

运行微调命令

这里是单机单cpu,所以只需要用device0就行

CUDA_VISIBLE_DEVICES=0 python src/train_sft.py  --model_name_or_path  /gemini/code/model --use_v2 --plot_loss   --do_train   --dataset zhangyiming     --finetuning_type lora     --output_dir /gemini/code/output   --per_device_train_batch_size 4     --gradient_accumulation_steps 4     --lr_scheduler_type cosine     --logging_steps 10     --save_steps 1000     --learning_rate 5e-5     --num_train_epochs 100     --fp16

部分参数解释:

名称	说明
use_v2	是否微调的是ChatGLM2
model_name_or_path	模型路径
finetuning_type	微调类型: lora p-tuning freeze
dataset	数据集名称
output_dir	输出微调模型的路径
num_train_epochs	训练轮次

其他参数见项目wiki

其中各微调类型介绍:

• Freeze: 即参数冻结，对原始模型部分参数进行冻结操作，仅训练部分参数，以达到在单卡或不进行TP或PP操作，就可以对大模型进行训练。
• P-Tuning: 在输入的embedding层前，将prompt转换为可学习的额外一层embedding层.(这里我也没有太懂=)
• LoRA: 在大型语言模型上对指定参数（权重矩阵）并行增加额外的低秩矩阵，并在模型训练过程中，仅训练额外增加的并行低秩矩阵的参数,冻结其他参数。 当“秩值”远小于原始参数维度时，新增的低秩矩阵参数量也就很小。在下游任务tuning时，仅须训练很小的参数，但能获取较好的表现结果。

目前我在24G显存(用的趋动云,不知道具体的GPU型号)情况下,LoRA微调100个epoch大概7分钟就跑完了,微调结果会保存到配置的output目录.我准备了58条训练数据,大概在500个epoch左右loss开始不再下降。

其中,adapter_config.json和adapter_mode.bin就是微调后的模型

测试

Cli测试

CUDA_VISIBLE_DEVICES=0 python src/cli_demo.py \
    --checkpoint_dir /gemini/code/output --model_name_or_path  /gemini/code/model --use_v2

代码测试

from transformers import AutoModel, AutoTokenizer
from peft import PeftModel

model_path = '/gemini/code/model/'
peft_model_path = '/gemini/code/output/'

tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
model = AutoModel.from_pretrained(model_path, trust_remote_code=True).half().cuda()
model = PeftModel.from_pretrained(model, peft_model_path, is_trainable=True)

input_text = '人们为何常常感到委屈？'
response, history = model.chat(tokenizer=tokenizer, query=input_text)
print(response)