本篇文章主要介绍如何使用 Amazon SageMaker 进行 Llama 2 模型微调的示例。
这个示例主要包括:
Llama 2 总体介绍
Llama 2 微调介绍
Llama 2 环境设置
Llama 2 微调训练
前言
随着生成式 AI 的热度逐渐升高，国内外各种基座大语言竞相出炉，在其基础上衍生出种类繁多的应用场景。训练优异的基座大语言模型在通用性方面表现较好，但模型可能并未涉及到特定领域的专业术语、领域内的特定用语或上下文等。采用微调技术可以通过在领域特定数据上进行训练，使模型更好地适应目标领域的特殊语言模式和结构；结合基座模型的通用性和领域特定性，使得模型更具实际应用价值。
Llama 2 总体介绍
Llama 2 是 META 最新开源的 LLM，包括 7B、13B 和 70B 三个版本，训练数据集超过了 Llama 2 的 40%，达到 2 万亿 token；上下文长度也提升到 4K，可以极大扩展多轮对话的轮数、提示词输入数据；与此同时，Llama 2 Chat 模型使用基于人类反馈的强化学习（Reinforcement Learning from Human Feedback，RLHF），针对对话场景进行了大幅优化，达到了非常出色的有用性和安全性基准。HuggingFace 的 TGI 和 vLLM 等框架均有针对 Llama 2 的推理优化，进一步强化了 Llama 2 的可用性。
Llama 2 被认为是开源界大语言模型的首选，众多的垂类大模型均采用 Llama 2 作为基座大模型，在此基础上添加行业数据进行模型的预训练或者微调，适配更多的行业场景。
Llama 2 微调介绍
模型微调主要分为 Full Fine-Tune 和 PEFT (Performance-Efficient Fine-Tune)，前者模型全部参数都会进行更新，训练时间较长，训练资源较大；而后者会冻结大部分参数、微调训练网络结构，常见的方式是 LoRA 和 P-Tuning v2。
PEFT 微调方式由于参数更新较少，可能导致模型无法学习到全部领域知识，对于特定任务或领域来说会出现推理不稳定的情况，因此大多数生产系统均使用全参数方式进行模型的微调。基于上述原因，本文会以全参数微调方式介绍 Llama 2 在 Amazon SageMaker 上的微调。
Llama 2 环境设置
备注：项目中的示例代码均保存于代码仓库，地址如下:
https://github.com/aws-samples/llm-workshop-on-amazon-sagemaker
1. 升级 Python SDK
pip install -U sagemaker2. 获取运行时资源，包括区域、角色、账号、S3 桶等
import boto3
import sagemaker
from sagemaker import get_execution_role
sess = sagemaker.Session()
role = get_execution_role()
sagemaker_default_bucket = sess.default_bucket()
account = sess.boto_session.client("sts").get_caller_identity()["Account"]
region = sess.boto_session.region_nameLlama 2 微调训练
微调准备
克隆代码
采用 lm-sys 团队发布的 FastChat 平台进行 Llama 2 的微调，FastChat 也用于训练了知名的 Vicuna 模型，具有良好的代码规范和性能优化。
git clone https://github.com/lm-sys/FastChat.git
cd FastChat
git reset --hard 974537efbd82093b45e64d07904efe7728193a52下载 Llama 2 原始模型
from huggingface_hub import snapshot_download
from pathlib import Path
local_cache_path = Path("./model")
local_cache_path.mkdir(exist_ok=True)
model_name = "TheBloke/Llama-2-13B-fp16"
# Only download pytorch checkpoint files
allow_patterns = ["*.json", "*.pt", "*.bin", "*.model", "*.py"]
model_download_path = snapshot_download(
repo_id=model_name,
cache_dir=local_cache_path,
allow_patterns=allow_patterns,
revision='b2e65e8ad4bb35e5abaee0170ebd5fc2134a50bb'
)
# Get the model files path
import os
from glob import glob
local_model_path = None
paths = os.walk(r'./model')
for root, dirs, files in paths:
for file in files:
if file == 'config.json':
print(os.path.join(root,file))
local_model_path = str(os.path.join(root,file))[0:-11]
print(local_model_path)
if local_model_path == None:
print("Model download may failed, please check prior step!")拷贝模型和数据到 Amazon S3
chmod +x ./s5cmd
./s5cmd sync ${local_model_path} s3://${sagemaker_default_bucket}/llm/models/llama2/TheBloke/Llama-2-13B-fp16/
rm -rf model模型微调
模型的微调使用全参数模型，以实现微调后模型的稳定性。
模型的微调使用开源框架 DeepSpeed 进行加速。
准备基础镜像
使用 Amazon SageMaker 定制的深度学习训练镜像作为基础镜像，再安装 Llama 2 训练所需的依赖包。Dockerfile 如下：
%%writefile Dockerfile
## You should change below region code to the region you used, here sample is use us-west-2
From 763104351884.dkr.ecr.us-west-2.amazonaws.com/huggingface-pytorch-training:1.13.1-transformers4.26.0-gpu-py39-cu117-ubuntu20.04
ENV LANG=C.UTF-8
ENV PYTHONUNBUFFERED=TRUE
ENV PYTHONDONTWRITEBYTECODE=TRUE
RUN pip3 uninstall -y deepspeed \
&& pip3 install deepspeed==0.10.0 \
&& pip3 install transformers==4.30.2
## Make all local GPUs visible
ENV NVIDIA_VISIBLE_DEVICES="all"模型微调代码
模型微调源代码较多，细节可以参考上述 git 仓库。
微调参数
为了节省显存，采用 DeepSpeed Stage-3
训练过程开启 bf16，实现整数范围和精度的平衡
训练数据集采用官方提供的 dummy_conversation.json，也就是典型的 {"instruction"、"input"、"output"} 的格式，同时可以支持多轮对话
DEEPSPEED_OPTS="""
FastChat/fastchat/train/train_mem.py
--deepspeed ds.json
--model_name_or_path "/tmp/llama_pretrain/"
--data_path FastChat/data/dummy_conversation.json
--output_dir "/tmp/llama_out"
--num_train_epochs 1
--per_device_train_batch_size 1
--per_device_eval_batch_size 1
--gradient_accumulation_steps 4
--evaluation_strategy "no"
--save_strategy "no"
--save_steps 2000
--save_total_limit 1
--learning_rate 2e-5
--weight_decay 0.
--warmup_ratio 0.03
--lr_scheduler_type "cosine"
--logging_steps 1
--cache_dir '/tmp'
--model_max_length 2048
--gradient_checkpointing True
--lazy_preprocess True
--bf16 True
--tf32 True
--report_to "none"
"""微调脚本
微调使用 torchrun + DeepSpeed 进行分布式训练
%%writefile ./src/ds-train-dist.sh
#!/bin/bash
CURRENT_HOST="${SM_CURRENT_HOST}"
IFS=',' read -ra hosts_array <<< "${SM_HOSTS}"
NNODES=${#hosts_array[@]}
NODE_RANK=0
for i in "${!hosts_array[@]}"; do
if [[ "${hosts_array[$i]}" == *${CURRENT_HOST}* ]]; then
echo "host index：$i"
NODE_RANK="$i"
fi
done
MASTER_PORT="13579"
export NCCL_SOCKET_IFNAME="eth0"
#Configure the distributed arguments for torch.distributed.launch.
GPUS_PER_NODE="$SM_NUM_GPUS"
DISTRIBUTED_ARGS="--nproc_per_node $GPUS_PER_NODE \
--nnodes $NNODES \
--node_rank $NODE_RANK \
--master_addr $MASTER_ADDR \
--master_port $MASTER_PORT"
chmod +x ./s5cmd
./s5cmd sync s3://$MODEL_S3_BUCKET/llm/models/llama2/TheBloke/Llama-2-13B-fp16/* /tmp/llama_pretrain/
CMD="torchrun ${DISTRIBUTED_ARGS} ${DEEPSPEED_OPTS}"
echo ${CMD}
${CMD} 2>&1
if [[ "${CURRENT_HOST}" == "${MASTER_ADDR}" ]]; then
./s5cmd sync /tmp/llama_out s3://$MODEL_S3_BUCKET/llm/models/llama2/output/TheBloke/Llama-2-13B-fp16/$(date +%Y-%m-%d-%H-%M-%S)/
fi启动微调
全参数微调，需要使用至少一台 p4de.12xlarge（8 卡 A100 40GB）作为训练机器。
当微调完成后，训练好的模型自动存储于指定的 S3 桶内，可用于后续的模型部署推理。
import time
from sagemaker.estimator import Estimator
environment = {
'MODEL_S3_BUCKET': sagemaker_default_bucket # The bucket to store pretrained model and fine-tune model
}
base_job_name = 'llama2-13b-finetune'
instance_type = 'ml.p4d.24xlarge'
estimator = Estimator(role=role,
entry_point='ds-train-dist.sh',
source_dir='./src',
base_job_name=base_job_name,
instance_count=1,
instance_type=instance_type,
image_uri=image_uri,
environment=environment,
disable_profiler=True,
debugger_hook_config=False)
estimator.fit()总结
大语言模型方兴未艾，正在以各种方式改变和影响着整个世界。客户拥抱大语言模型，亚马逊云科技团队同样在深耕客户需求和大语言模型技术，可以在未来更好地协助客户实现需求，提升业务价值。
本篇作者
高郁
亚马逊云科技解决方案架构师，主要负责企业客户上云，帮助客户进行云架构设计和技术咨询，专注于智能湖仓、AI/ML 等技术方向。
星标不迷路，开发更极速！
关注后记得星标「亚马逊云开发者」
听说，点完下面4个按钮
就不会碰到bug了！