AI开发平台MODELARTS-执行微调训练任务:Step2 修改训练yaml文件配置

时间：2024-09-29 15:27:12

AI开发平台MODELARTS 主流开源大模型基于DevServer适配LlamaFactory PyTorch NPU训练指导（6.3.908）

Step2 修改训练yaml文件配置

LlamaFactroy配置文件为Yaml文件，启动训练前需修改Yaml配置文件，Yaml配置文件在代码目录下的{work_dir}/llm_train/LLaMAFactory/demo.yaml。修改详细步骤如下所示。

选择训练策略类型。
- sft，复制sft_yaml样例模板内容覆盖demo.yaml文件内容。
- lora，复制lora_yaml样例模板内容覆盖demo.yaml文件内容。
- dpo，复制dpo_yaml样例模板内容覆盖demo.yaml文件内容。

修改yaml文件(demo.yaml)的参数如表1所示。

表1 修改重要参数
参数	示例值	参数说明
model_name_or_path	/home/ma-user/ws/tokenizers/Qwen2-72B	必须修改。加载tokenizer与Hugging Face权重时存放目录绝对或相对路径。请根据实际规划修改。
template	qwen	必须修改。用于指定模板。如果设置为"qwen"，则使用Qwen模板进行训练，模板选择可参照表1中的template列
output_dir	/home/ma-user/ws/Qwen2-72B/sft-4096	必须修改。指定输出目录。训练过程中生成的模型参数和日志文件将保存在这个目录下。用户根据自己实际要求适配。
per_device_train_batch_size	1	指定每个设备的训练批次大小
gradient_accumulation_steps	8	可修改。指定梯度累积的步数，这可以增加批次大小而不增加内存消耗。可根据自己要求适配。取值可参考表1中梯度累积值列。
num_train_epochs	5	表示训练轮次，根据实际需要修改。一个Epoch是将所有训练样本训练一次的过程。可根据自己要求适配
cutoff_len	4096	文本处理时的最大长度，此处为4096，用户可根据自己要求适配
dataset	identity,alpaca_en_demo	【可选】注册在dataset_info.json文件数据集名称。如选用定义数据请参考准备数据（可选）配置dataset_info.json文件，并将数据集存放于dataset_info.json同目录下。
dataset_dir	/home/ma-user/ws/LLaMAFactory/LLaMA-Factory/data	【可选】dataset_info.json配置文件所属的绝对路径；如使用自定义数据集，yaml配置文件需添加此参数。

是否选择加速深度学习训练框架Deepspeed，可参考表1选择不同的框架。
- 是，选用ZeRO (Zero Redundancy Optimizer)优化器。
  - ZeRO-0，配置以下参数
```
deepspeed: examples/deepspeed/ds_z0_config.json
```
  - ZeRO-1，配置以下参数，并复制ds_z1_config.json样例模板至工作目录/home/ma-user/LLaMAFactory/LLaMA-Factory/examples/deepspeed
```
deepspeed: examples/deepspeed/ds_z1_config.json
```
  - ZeRO-2，配置以下参数
```
deepspeed: examples/deepspeed/ds_z2_config.json
```
  - ZeRO-3，配置以下参数
```
deepspeed: examples/deepspeed/ds_z3_config.json
```
  - ZeRO-3-Offload，配置以下参数
```
deepspeed: examples/deepspeed/ds_z3_offload_config.json
```
- 否，默认选用Accelerate加速深度学习训练框架，注释掉deepspeed参数。
是否开启NPU FlashAttention融合算子，具体约束详见NPU_Flash_Attn融合算子约束
- 是，配置以下参数。
```
flash_attn: sdpa
```
- 否，注释掉flash_attn: sdpa参数
是否使用固定句长。
- 是，配置以下参数
```
packing: true
```
- 否，默认使用动态句长，注释掉packing参数。
选用数据精度格式，以下参数二选一。
- bf16，配置以下参数
```
bf16: true
```
- fp16，配置以下参数
```
fp16: true
```
是否使用自定义数据集。
- 是，参考准备数据（可选）后，配置以下参数：参考表1dataset_dir和dataset参数说明；如alpaca_gpt4_data.json数据集前缀则为alpaca_gpt4_data。
```
dataset: alpaca_gpt4_data
dataset_dir: /home/ma-user/ws/llm_train/LLaMAFactory/LLaMA-Factory/data 
```
- 否，使用代码包自带数据集，注释掉dataset_dir参数，配置参数如下：
  - sft或lora
```
dataset: identity,alpaca_en_demo
```
  - dpo
```
dataset: dpo_en_demo
```
是否使用chatglm4-9b、falcon-11b模型。
- 是，更新配置或命令。
  - chatglm4-9b，更新transformers为4.41.2版本。
```
pip install transformers==4.41.2
```
  - falcon-11b，参考falcon-11B模型替换文件。
- 否，忽略此步骤，执行下一步。
如需其他配置参数，可参考表1按照实际需求修改。