【随手记录】Llama Tutorial 大语言模型实践 手把手系列带实践源码

这个tutorial的契机是yy突然看到了一个workshop 所以类似于一周大作业的形式，输入command输出使用了自动驾驶哪些模块，代码在这里 所以就干一干，顺便写一个tutorial给大家参考和教程 引申更多的应用

参考资料：

所有模型参数和所需要的GPU并行，注意这只是模型load占用的memory 如果token或者batch size较大 也需要很多GPU显存，表格下方会说明每个之间的区别，MP是指并行GPU的数量 默认是多少，所有模型我都在 这边服务器的A100试过 Size已经是乘过数量的了 是总和需要的memory

温馨提示 下列内容和 此 https://github.com/KTH-RPL/DriveCmd_LLM README 有重复：里面包含了example和我们写的prompt流程等 and yy尝试的chatgpt api那边的script

1. 申请下载模型

具体如图：

2. 模型部署

正如前言中提到的，大部分本地自己用的电脑 可能只能跑最小的模型也就是7b的 GPU的占用率大概是12G，如下图为我运行repo里的代码时占用截图 【上一个A100试了一下 这么一看我本机3090 也带不动】

内存的增大原因：

回归正题，接下来是clone两边的代码，一个是code一个是llama 前者经过了八股文、leetcode训练【我是这么理解的 hhh 通俗易懂】 后者是原生态

以下为演示截图

3. 模型运行

这一步官方的README写的挺不错的，依赖很少 照着pip install -r requirements.txt就行，基本无障碍，最好是建一个conda的环境，别和系统混了，此处为运行示例：

torchrun --nproc_per_node 1 example_completion.py \
    --ckpt_dir CodeLlama-7b/ \
    --tokenizer_path CodeLlama-7b/tokenizer.model \
    --max_seq_len 128 --max_batch_size 4

截图运行及GPU占用：

正常我们想要的应该是chat 聊天形式的所以选择以下模型会有更好的效果：

4. More

可以参考 前言中我提到的task 给出的一个结果调用，这里是任务的报告pdf：https://arxiv.org/abs/2311.08206 更方便大家直接选择和对比，对应代码在 https://github.com/KTH-RPL/DriveCmd_LLM

还有就是如果想自己部署一个chatgpt，或者是在苹果系统下（which 内存就是显卡内存 可以参考这个b站视频：苹果M2 Ultra：AI大模型的新希望

自己部署一个chatgpt参考code：

部署后的示意图：

同时这里面也提到了其他的大语言模型 可以尝试的：Multiple model backends: transformers, llama.cpp, ExLlama, ExLlamaV2, AutoGPTQ, GPTQ-for-LLaMa, CTransformers, AutoAWQ

还有一些vision assistance的模型可以一起，免费版chatgpt 4.0 （但是试了一下即使是70B的 效果在我们的任务上也没有 3.5API调用的高，果然还是钱的问题

其中有一个大视觉语言模型 可以关注：https://github.com/haotian-liu/LLaVA

5. Llama2 论文速读

主要是记录一下一些细节 比如模型和模型之间的不同，fine-tuned的实现等。

首先是关于llama2-chat的训练，如下图：得到llama2后 经过RLHF 步骤得到的chat模型 【RLHF 是一种模型训练过程，应用于微调的语言模型，以进一步使模型行为与人类偏好和指令遵循保持一致。】

下图说明了 训练的一些细节：