hcgf 0.2.1

Humanable ChatGPT/GLM Fine-tuning.

先clone仓库或pip安装：

pip install hcgf

需要的依赖在requirements.txt中，通过下面命令安装：

pip install -r requirements.txt

建议使用PyTorch2.0

微调训练

准备数据

每一行一个dict的.json文件，必须包含prompt和completion两个字段。示例如下：

{"prompt": "你是谁？", "completion": "不告诉你。"}

分布式微调

使用PyTorch的FSDP训练，支持Zero3、Zero2和DDP模式，使用方法请参考帮助文档：

hcgf_tune -h

至少要指定model和data_path参数，如下：

hcgf_tune --model THUDM/chatglm-6b --data_path path/to/train_data.json

一共五种策略：

• fsdp_zero3：命令行模式默认策略，FULL_SHARD，参数、梯度、优化器状态SHARD
• fsdp_zero2：GRAD_OP_SHARD，梯度、优化器状态SHARD
• mpdp(ddp)：NO_SHARD，类似DDP
• mpds(8bit)：8bit模式（下面的《8bit微调》）
• msds(single_gpu)：单卡模式（下面的《正常微调》）

卡数	显存	训练数据	策略
多卡	单卡放不下模型	数据很多	fsdp_zero3/fsdp_zero2
	单卡能放下模型	数据很多	mpdp
	单卡放不下模型	数据很少	mpds
	单卡能放下模型	数据很少	msds
单卡	单卡放不下模型	-	mpds
	单卡能放下模型	-	msds

注意，这里显存是在训练模式下的，和推理模式占用不同，可参考下面的《配置》。推理只支持后两种模式。

正常微调

至少需要一张16G显存的卡。如果不指定显卡，默认为cuda。

#===== 微调 =====#
import hcgf
gl = hcgf.GlmLora("THUDM/chatglm-6b", device="cuda:0")
gl.load_data("/path/to/data.json").tune()

#===== 推理 =====#
gl = hcgf.GlmLora("THUDM/chatglm-6b", device="cuda:0")
gl.load_pretrained("/path/to/lora_pt").eval()
gl.chat("你是谁?")

#===== 切换模式 =====#
gl = hcgf.GlmLora("THUDM/chatglm-6b", device="cuda:0")
gl.load_data("/path/to/data.json").tune()
# 切换到推理模式
gl.eval()
gl.chat("你是谁？")
# 切换回微调模式，还是用原来的数据继续跑
gl.tune()
# 如果有新的数据集，参考上面的写法，先加载数据
gl.load_data("/path/to/new_data.json").tune()
# 如果在原来的基础上用新数据继续微调，先加载之前的pt文件，再加载数据微调
gl.load_pretrained("/path/to/lora_pt").load_data("/path/to/new_data.json").tune()

当然，也可以使用hcgf_tune:

hcgf_tune strategy msds --model THUDM/chatglm-6b --data_path path/to/train_data.json

8bit微调

至少需要一张12G显存的卡。不指定device。只需要初始化时改一下即可，其他操作和上面正常微调一样。

需要安装依赖: bitsandbytes

gl = hcgf.GlmLora("THUDM/chatglm-6b", load_in_8bit=True)

当然，也可以使用hcgf_tune:

hcgf_tune strategy mpds --model THUDM/chatglm-6b --data_path path/to/train_data.json

继续微调

先加载之前的pt文件，然后加载数据微调。

gl.load_pretrained("/path/to/lora_pt").load_data("/path/to/new_data.json").tune()

演示Demo/推理

请执行hcgf_infer -h查看帮助。

参数说明

主要有三个方法的参数，有值的表示默认值。

load_data(
    data_path: str, 
    max_seq_len: int = 512, # 句子最大长度，超过会截断
)
tune(
    batch_size: int = 8,
    lr: float = 2e-4,
    num_epochs: int = 3,
    warmup_steps: Optional[int] = None,     # 为None时会用1/3个Epoch进行warmup
    accumulate_steps: Optional[int] = None, # 为None时等价于1
    out_dir: str = "./output/",
    print_every: Optional[int] = None,      # 为None时每1/10Epoch个Steps打印一次输出（Step、Loss、LearningRate）
)
chat(
    inp: str, 
    history: List[Tuple[str, str]] = None,  # (问，答)Pair对
    max_new_tokens: int = 512,              # 生成的文本最大长度，Prompt的长度=支持的最大长度-max_new_tokens，Prompt长度超过会被截断
    do_sample: bool = True,                 # 采样
    num_beams: int = 1,                     # Beam Search 的 beam 数量
    temperature: float = 0.95,              # 越小越确定，越大越随机，比如你微调后可以把它改成0.1
    top_p: float = 0.7,                     # 同上，两者不要同时调
    repetition_penalty: float = 1.02,       # 生成内容重复惩罚，越大越不容易重复
    stop: List[str] = []                    # 停止文本，可以是标点、特定词或句子等，输出不包含停止文本
)

Best Practice:

• tune: 如果内存不够可以调小batch_size，同时增加accumulate_steps，一般是batch_size的整数倍；
• chat: 一般只需调整temerature；

配置

有几个影响显存的参数可以配置：max_seq_len，batch_size。

(
gl
.load_data("./data/chatgpt_finetune_faq.json", max_seq_len=128)
.tune(batch_size=1)
)

以下配置针对ChatGLM-6B。

不同配置 8bit 资源占用：

max_seq_len	batch_size	memory
64	1	11G
128	1	12G
512	1	22G
128	2	15G
128	4	21G

不同配置正常资源占用：

max_seq_len	batch_size	memory
64	1	15G
128	1	16G
512	1	30G
128	2	19G
128	4	25G

RM

使用小模型（如BERT等）训练。

训练

准备数据

需要pair对数据，计算logits过程和普通预训练模型一样（一个Batch多个pair对）；计算loss时属于同一个pair对的logits放一块算。

推理时直接用logits就行。

测试

# 全部测试
python -m pytest
# 测试训练和推理，比较慢
python -m pytest -s -m slow
# 测试其他的
python -m pytest -m "not slow"

其他说明

如果遇到加载超时，可以直接load本地cache下的模型：

GlmLora("/path/to/huggingface/models--THUDM--chatglm-6b/snapshots/<id>/")

更新日志

• v0.2.0 20230513
  • 支持分布式微调
  • 调整推理模式，支持Batch
• v0.1.0 20230412
  • 支持ChatGLM新版Tokenizer
  • 使用官方调整后的MASK方式
• v0.0.7 20230405