使用 peft 和 trl 通过低秩自适应（LoRA）微调 8 位模型的示例

此示例中的 notebook 和脚本展示了如何使用低秩自适应（LoRA）以内存高效的方式微调模型。peft 库支持大多数 PEFT 方法，但请注意，某些 PEFT 方法（如 Prompt tuning）不受支持。有关 LoRA 的更多信息，请参阅原始论文。

以下是 trl 仓库中启用了 peft 的 notebook 和脚本的概述

文件	任务	描述
`stack_llama/rl_training.py`	RLHF	使用学习的奖励模型和 `peft` 对 70 亿参数的 LLaMA 模型进行分布式微调。
`stack_llama/reward_modeling.py`	奖励模型	使用 `peft` 对 70 亿参数的 LLaMA 奖励模型进行分布式训练。
`stack_llama/supervised_finetuning.py`	SFT	使用 `peft` 对 70 亿参数的 LLaMA 模型进行分布式指令/监督微调。

安装

注意：peft 正在积极开发中，因此我们直接从它们的 Github 页面安装。Peft 还依赖于最新版本的 transformers。

pip install trl[peft]
pip install bitsandbytes loralib
pip install git+https://github.com/huggingface/transformers.git@main
#optional: wandb
pip install wandb

注意：如果你不想使用 wandb 记录日志，请在脚本/notebook 中移除 log_with="wandb"。你也可以将其替换为accelerate 支持的你喜欢的实验追踪器。

如何使用？

只需在你的脚本中声明一个 PeftConfig 对象，并将其传递给 .from_pretrained 来加载 TRL+PEFT 模型。

from peft import LoraConfig
from trl import AutoModelForCausalLMWithValueHead

model_id = "edbeeching/gpt-neo-125M-imdb"
lora_config = LoraConfig(
    r=16,
    lora_alpha=32,
    lora_dropout=0.05,
    bias="none",
    task_type="CAUSAL_LM",
)

model = AutoModelForCausalLMWithValueHead.from_pretrained(
    model_id, 
    peft_config=lora_config,
)

如果你想以 8 位精度加载模型

pretrained_model = AutoModelForCausalLMWithValueHead.from_pretrained(
    config.model_name, 
    load_in_8bit=True,
    peft_config=lora_config,
)

… 或以 4 位精度

pretrained_model = AutoModelForCausalLMWithValueHead.from_pretrained(
    config.model_name, 
    peft_config=lora_config,
    load_in_4bit=True,
)

启动脚本

trl 库由 accelerate 提供支持。因此，最好使用以下命令来配置和启动训练

accelerate config # will prompt you to define the training configuration
accelerate launch examples/scripts/ppo.py --use_peft # launch`es training

使用 trl + peft 和数据并行

只要你能将训练过程放入单个设备中，就可以扩展到任意数量的 GPU。唯一需要应用的调整是按如下方式加载模型

from peft import LoraConfig
...

lora_config = LoraConfig(
    r=16,
    lora_alpha=32,
    lora_dropout=0.05,
    bias="none",
    task_type="CAUSAL_LM",
)

pretrained_model = AutoModelForCausalLMWithValueHead.from_pretrained(
    config.model_name, 
    peft_config=lora_config,
)

如果你想以 8 位精度加载模型

pretrained_model = AutoModelForCausalLMWithValueHead.from_pretrained(
    config.model_name, 
    peft_config=lora_config,
    load_in_8bit=True,
)

… 或以 4 位精度

pretrained_model = AutoModelForCausalLMWithValueHead.from_pretrained(
    config.model_name, 
    peft_config=lora_config,
    load_in_4bit=True,
)

最后，确保奖励也在正确的设备上计算，为此你可以使用 ppo_trainer.model.current_device。

针对大型模型（>60B 参数）的朴素流水线并行（NPP）

trl 库也支持针对大型模型（>60B 参数）的朴素流水线并行（NPP）。这是一种在多个 GPU 之间并行化模型的简单方法。这种被称为“朴素流水线并行”（NPP）的范式是一种在多个 GPU 上并行化模型的简单方法。我们在多个 GPU 上加载模型和适配器，激活和梯度将会在 GPU 之间进行简单的通信。这也支持 int8 模型以及其他 dtype 模型。

如何使用 NPP？

只需在 from_pretrained 中使用自定义的 device_map 参数加载模型，即可将模型分布在多个设备上。请查看这篇很棒的教程，了解如何为你的模型正确创建 device_map。

另外，请确保 lm_head 模块在第一个 GPU 设备上，否则可能会抛出错误。在撰写本文时，你需要安装 accelerate 的 main 分支：pip install git+https://github.com/huggingface/accelerate.git@main 和 peft：pip install git+https://github.com/huggingface/peft.git@main。

启动脚本

虽然 trl 库由 accelerate 提供支持，但你应该在单个进程中运行你的训练脚本。请注意，我们目前还不支持数据并行与 NPP 同时使用。

python PATH_TO_SCRIPT

微调 Llama-2 模型

你可以使用 SFTTrainer 和官方脚本轻松微调 Llama2 模型！例如，要在 Guanaco 数据集上微调 llama2-7b，请运行（在单个 NVIDIA T4-16GB 上测试过）

python trl/scripts/sft.py --output_dir sft_openassistant-guanaco  --model_name meta-llama/Llama-2-7b-hf --dataset_name timdettmers/openassistant-guanaco --load_in_4bit --use_peft --per_device_train_batch_size 4 --gradient_accumulation_steps 2

< > 在 GitHub 上更新