- tocdepth
2
Настройка и обучение языковой модели (LLM) с использованием LoRA и PEFT
Это руководство охватывает основные этапы работы с LLM, включая установку зависимостей, загрузку и настройку модели, обучение и генерацию текста.
Минимальная конфигурация GPU, создаваемого Jupyter Server — 1 GPU Tesla A100 40Gb.
Примечание
Полный исходный код доступен для копирования в репозитории на GitHub.
Шаг 1. Установка зависимостей
Перед началом работы необходимо установить библиотеки: pip, torch, transformers, accelerate, datasets, loralib, einops, scipy и sentencepiece. Они нужны для работы с нейронными сетями и обработки естественного языка.
!pip install -Uqqq pip
!pip install -qqq bitsandbytes torch transformerspeft peft \
accelerate datasets loralib==0.1.1 einops==0.6.1 scipy sentencepiece
import os
import torch
import transformers
from datasets import load_dataset
from peft import (
LoraConfig,
PeftConfig,
PeftModel,
get_peft_model,
prepare_model_for_kbit_training
)
from transformers import (
AutoModelForCausalLM,
AutoTokenizer,
BitsAndBytesConfig
)
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
Шаг 2. Загрузка базовой модели
Выберите подходящую предварительно обученную модель.
В этом примере используется модель Intel/neural-chat-7b-v3-1
, но можно выбрать другую, заменив значение переменной MODEL_NAME
.
Для сжатия модели мы используем библиотеку BitsAndBytes
:
MODEL_NAME = "Intel/neural-chat-7b-v3-1"
bnb_config = BitsAndBytesConfig(
load_in_4bit=True,
bnb_4bit_use_double_quant=True,
bnb_4bit_quant_type="nf4",
bnb_4bit_compute_dtype=torch.bfloat16
)
Создается объект конфигурации bnb_config
, который определяет параметры для сжатия модели с помощью библиотеки bitsandbytes
.
Это позволяет эффективно использовать память и ускорить вычисления.
Используются следующие параметры:
load_in_4bit
— загрузка модели в 4-битном формате с уменьшением ее размера в памяти;bnb_4bit_use_double_quant
— использование двойной квантизации для дополнительного уменьшения размера модели;bnb_4bit_quant_type
— тип квантизации ("nf4"
), который определяет, как модель будет сжиматься;bnb_4bit_compute_dtype
— тип данных для вычислений (torch.bfloat16
), который позволяет уменьшить потребление памяти и ускорить вычисления, сохраняя при этом точность.
model = AutoModelForCausalLM.from_pretrained(
MODEL_NAME,
device_map="auto",
trust_remote_code=True,
quantization_config=bnb_config
)
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
tokenizer.pad_token = tokenizer.eos_token
Шаг 3. Добавление LoRA
LoRA — это метод настройки моделей, который позволяет изменять только небольшую часть параметров модели.
def print_trainable_parameters(model):
"""
Calculates and displays the total number of model parameters and the number of trainable parameters.
"""
trainable_params = 0
all_param = 0
for _, param in model.named_parameters():
all_param += param.numel()
if param.requires_grad:
trainable_params += param.numel()
print(
f"trainable params: {trainable_params} || all params: {all_param} || trainables%: {100 * trainable_params / all_param}"
)
model.gradient_checkpointing_enable()
Этот метод активирует механизм контрольных точек градиента в модели. Благодаря этому экономится память при обучении, поскольку хранится только необходимая для вычисления градиентов информация.
model = prepare_model_for_kbit_training(model)
Функция prepare_model_for_kbit_training
адаптирует модель для обучения с использованием определенного количества битов, что является частью оптимизации для уменьшения занимаемой памяти.
config = LoraConfig(
r=8,
lora_alpha=32,
#target_modules=["query_key_value"],
target_modules=["q_proj", "k_proj", "v_proj", "o_proj"],
lora_dropout=0.05,
bias="none",
task_type="CAUSAL_LM"
)
Здесь создается конфигурация для LoRA (Low-Rank Adaptation), с помощью которой можно адаптировать только небольшую часть весов модели. Конфигурация имеет следующие параметры:
r
иlora_alpha
— параметры, контролирующие размер и мощность адаптации;target_modules
— список модулей модели, к которым будет применена адаптация LoRA;lora_dropout
— применение dropout к адаптированным весам;bias
— настройка использования смещения в адаптации;task_type
— тип задачи, для которой настраивается модель (в данном случае генерация текста).
model = get_peft_model(model, config)
Функция get_peft_model
применяет PEFT (Parameter Efficient Fine-tuning) к модели, используя предварительно заданную конфигурацию LoRA.
Это позволяет более эффективно провести тонкую настройку модели.
print_trainable_parameters(model)
Шаг 3. Дообучение модели
Прежде чем начать обучение, можно проверить, как модель генерирует ответы на основе заданного запроса.
Задание текстового запроса для модели
Ниже приведен многострочный фрагмент, задающий текстовый запрос для модели.
Текст между <human>
и <assistant>
указывает на диалог между человеком и ассистентом.
Метод .strip()
удаляет начальные и конечные пробелы и переносы строк.
prompt = """
<human>: midjourney prompt for a girl sit on the mountain
<assistant>:
""".strip()
Параметры для генерации текста
max_new_tokens
— максимальное количество новых токенов, которые модель может сгенерировать;temperature
— степень случайности в выборе слов, где меньшее значение приводит к более предсказуемому тексту;top_p
— вероятностный порог выбора слов; рассматриваться будут только слова с вероятностью выше этого порога;num_return_sequences
— количество возвращаемых последовательностей;pad_token_id
иeos_token_id
— идентификаторы токенов заполнения и окончания предложения.
generation_config = model.generation_config
generation_config.max_new_tokens = 200
generation_config.temperature = 0.7
generation_config.top_p = 0.7
generation_config.num_return_sequences = 1
generation_config.pad_token_id = tokenizer.eos_token_id
generation_config.eos_token_id = tokenizer.eos_token_id
Преобразование запросов в формат, пригодный для модели
Запрос преобразуется в формат, пригодный для модели с помощью токенизатора.
return_tensors="pt"
указывает на то, что возвращаемые тензоры должны быть в формате PyTorch.
Затем данные перемещаются на выбранное устройство (GPU).
device = "cuda:0"
encoding = tokenizer(prompt, return_tensors="pt").to(device)
Генерация текста без расчета градиента
В блоке with torch.inference_mode()
происходит генерация текста без расчета градиентов, что уменьшает потребление памяти и ускоряет процесс.
Метод model.generate()
генерирует текст, используя заданные input_ids
(токенизированный запрос), attention_mask
(маска внимания для запроса) и ранее настроенные параметры генерации generation_config
.
%%time
with torch.inference_mode():
outputs = model.generate(
input_ids = encoding.input_ids,
attention_mask = encoding.attention_mask,
generation_config = generation_config
)
Декодирование ответа обратно в текст
Полученный ответ декодируется обратно в читаемый текст.
skip_special_tokens=True
указывает на то, что специальные токены, например, токен окончания предложения, должны быть пропущены при декодировании.
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
Шаг 4. Загрузка набора данных
Для обучения модели используйте набор данных, подходящий для вашей задачи. В этом примере загружаются данные из CSV-файла.
Здесь используется функция load_dataset
из библиотеки datasets для загрузки набора данных из CSV-файла.
Файл midjourney_prompt_dataset.csv
содержит данные, которые будут использоваться для обучения или тестирования модели.
Функция load_dataset
автоматически обрабатывает файл и конвертирует его в формат, удобный для работы с библиотекой.
data = load_dataset("csv", data_files="midjourney_prompt_dataset.csv")
Загрузка и токенизация запроса
Эта функция сначала генерирует текстовый запрос с помощью generate_prompt
, а затем токенизирует его с помощью ранее загруженного токенизатора.
Опции padding=True
и truncation=True
обеспечивают добавление паддинга (заполнение до единой длины) и обрезку длинных запросов соответственно.
def generate_prompt(data_point):
return f"""
<human>: {data_point["User"]}
<assistant>: {data_point["Prompt"]}
""".strip()
def generate_and_tokenize_prompt(data_point):
full_prompt = generate_prompt(data_point)
tokenized_full_prompt = tokenizer(full_prompt, padding=True, truncation=True)
return tokenized_full_prompt
Выбор подмножества данных для обучения
Здесь выбирается подмножество данных для обучения data["train"]
, после чего оно перемешивается методом shuffle()
.
Затем с помощью метода .map()
к каждому элементу набора данных применяется функция generate_and_tokenize_prompt
, которая преобразует и токенизирует данные.
В результате получается подготовленный к обучению набор данных, где каждый элемент представляет собой токенизированный текстовый запрос.
data = data["train"].shuffle().map(generate_and_tokenize_prompt)
Шаг 5. Обучение
Настройте параметры обучения и начните процесс обучения модели.
Объект «TrainingArguments»
Здесь создается объект TrainingArguments
, который содержит различные параметры для обучения:
per_device_train_batch_size
— размер батча обучения на каждом устройстве;gradient_accumulation_steps
— количество шагов накопления градиента перед их обратным распространением;num_train_epochs
— количество эпох обучения;learning_rate
— скорость обучения;fp16
— использование 16-битной точности с плавающей запятой для ускорения обучения и снижения потребления памяти;save_total_limit
— максимальное количество сохраняемых чекпоинтов;logging_steps
— частота логирования;output_dir
— директория для сохранения результатов обучения;optim
— оптимизатор; здесь используется 8-битная версия AdamW;lr_scheduler_type
— тип планировщика скорости обучения;warmup_ratio
— доля общего числа шагов обучения, в течение которых скорость обучения линейно увеличивается до заданной.
training_args = transformers.TrainingArguments(
per_device_train_batch_size=1,
gradient_accumulation_steps=8,
num_train_epochs=4,
learning_rate=2e-4,
fp16=True,
save_total_limit=3,
logging_steps=1,
output_dir="experiments",
optim="paged_adamw_8bit",
lr_scheduler_type="cosine",
warmup_ratio=0.05,
)
Объект «trainer»
Trainer
отвечает за процесс обучения модели и имеет следующие параметры:
model
— модель, которая будет обучаться;train_dataset
— набор данных для обучения;args
— аргументы обучения, определенные выше;data_collator
— объект, который формирует батчи из данных.
Здесь используется DataCollatorForLanguageModeling
, который подходит для задач языкового моделирования.
mlm=False
указывает, что обучение проводится без маскирования токенов (не MLM).
trainer = transformers.Trainer(
model=model,
train_dataset=data,
args=training_args,
data_collator=transformers.DataCollatorForLanguageModeling(tokenizer, mlm=False)
)
Отключение кэширования модели
Эта настройка отключает кэширование в модели, что может быть полезно для экономии памяти во время обучения.
model.config.use_cache = False
Метод «train()»
Метод train()
объекта Trainer
запускает процесс обучения модели с использованием заданных данных, аргументов и настроек.
trainer.train()
Шаг 6. Сохранение модели и инференс
После обучения сохраните модель и проверьте ее способность генерировать текст.
Метод «model.save_pretrained(«trained-model»)»
Сохраняет в папку trained-model
текущее состояние модели, которое включает в себя веса модели и ее конфигурацию.
Сохранение модели позволяет использовать ее позже без необходимости повторного обучения.
model.save_pretrained("trained-model")
Конфигурация PEFT
Здесь загружается конфигурация PEFT (Parameter-Efficient Fine-Tuning) из сохраненной модели.
Далее создается новый экземпляр модели с помощью этой конфигурации.
Параметры return_dict=True
, quantization_config=bnb_config
, device_map="auto"
и trust_remote_code=True
настраивают поведение модели, включая формат возвращаемых данных, настройки квантизации, автоматическое распределение по устройствам и доверие к исполняемому коду.
config = PeftConfig.from_pretrained('./trained-model')
model = AutoModelForCausalLM.from_pretrained(
config.base_model_name_or_path,
return_dict=True,
quantization_config=bnb_config,
device_map="auto",
trust_remote_code=True
)
Загрузка токенизатора и установка токена
Загружается токенизатор, соответствующий модели, и устанавливается токен заполнения (`pad_token`)
равным токену окончания предложения (`eos_token`)
, что часто необходимо для моделей генерации текста.
tokenizer = AutoTokenizer.from_pretrained(config.base_model_name_or_path)
tokenizer.pad_token = tokenizer.eos_token
Создание экземпляра модели PERT
Создается экземпляр модели PEFT из сохраненной модели, что позволяет использовать параметры, полученные в результате тонкой настройки.
model = PeftModel.from_pretrained(model, './trained-model')
Преобразование текстового запроса в формат тензоров PyTorch
Задается текстовый запрос, который затем токенизируется и преобразуется в формат тензоров PyTorch для отправки на вычислительное устройство.
generation_config = model.generation_config
generation_config.max_new_tokens = 200
generation_config.temperature = 0.7
generation_config.top_p = 0.7
generation_config.num_return_sequences = 1
generation_config.pad_token_id = tokenizer.eos_token_id
generation_config.eos_token_id = tokenizer.eos_token_id
device = "cuda:0"
prompt = """
<human>: midjourney prompt for a girl sit on the mountain
<assistant>:
""".strip()
encoding = tokenizer(prompt, return_tensors="pt").to(device)
Отключение вычисления градиентов для экономии ресурсов
В блоке with torch.no_grad()
отключается вычисление градиентов для экономии ресурсов.
Метод model.generate
используется для генерации текста на основе входных данных (input_ids, attention_mask)
и предварительно настроенных параметров генерации (`generation_config`)
.
%%time
with torch.no_grad():
model.config.use_cache = False
outputs = model.generate(
input_ids = encoding.input_ids,
attention_mask = encoding.attention_mask,
generation_config = generation_config
)
Декодирование и вывод первого элемента сгенерированного текста
Декодирует и выводит первый элемент сгенерированного текста, преобразуя его из последовательности токенов обратно в читаемый формат.
print(tokenizer.decode(outputs[0]))
Была ли статья полезной?
для Dev & Test