前言
我们将介绍如何用 Ollama 创建微调过的模型，让对话效果更符合特定化需要。
一、微调大模型
1. LORA 微调
微调大模型的方法有很多，这里我们使用 LORA 微调方法。微调大模型需要比较高的显存，推荐在云服务器上进行训练，系统环境为 Linux。训练方法可以参考 DataWhale 的教程。
1.1 选择基础大模型
基础大模型我们选择 Chinese-Mistral-7B-Instruct-v0.1，模型文件可以在 Hugging Face 或 魔搭社区 下载。
1.2 下载基础大模型
使用魔搭社区的 Python 脚本进行下载，执行前需要先运行 pip install modelscope。
from modelscope import snapshot_download
# 模型存放路径
model_path = '/root/autodl-tmp'
# 模型名字
name = 'itpossible/Chinese-Mistral-7B-Instruct-v0.1'
model_dir = snapshot_download(name, cache_dir=model_path, revision='master')2. 选择数据集
微调大模型要想获得比较好的效果，拥有高质量的数据集是关键。可以选择用网上开源的，或者是自己制作。以中文数据集弱智吧为例，约 1500 条对话数据，数据集可以从 Hugging Face 下载。
3. LORA 微调
3.1 安装依赖
使用 Miniconda 创建 Python 环境，Python 版本为 3.10。
依赖文件 requirements.txt 内容如下：
transformers
streamlit==1.24.0
sentencepiece==0.1.99
accelerate==0.29.3
datasets
peft==0.10.0运行 pip install -r requirements.txt 安装依赖。
3.2 编写训练脚本
3.2.1 指定模型路径
from datasets import Dataset
import pandas as pd
from transformers import (
AutoTokenizer,
AutoModelForCausalLM,
DataCollatorForSeq2Seq,
TrainingArguments,
Trainer, )
import torch,os
from peft import LoraConfig, TaskType, get_peft_model
import warnings
warnings.filterwarnings("ignore", category=UserWarning) # 忽略告警
device = 'cuda' if torch.cuda.is_available() else 'cpu'
# 模型文件路径
model_path = r'/root/autodl-tmp/itpossible/Chinese-Mistral-7B-Instruct-v0.1'
# 训练过程数据保存路径
name = 'ruozhiba'
output_dir = f'./output/Mistral-7B-{name}'
#是否从上次断点处接着训练，如果需要从上次断点处继续训练，值应为True
train_with_checkpoint = False3.2.2 加载 tokenizer
# 加载tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_path, use_fast=False, trust_remote_code=True)
tokenizer.pad_token = tokenizer.eos_token3.2.3 加载数据集
df = pd.read_json(f'./dataset/{name}.json')
ds = Dataset.from_pandas(df)
print(ds)3.2.4 处理数据集
需要将数据集的内容按大模型的对话格式进行处理，不同的模型，对话格式不一样，比如 Qwen1.5、Llama3 的对话格式都不一样。以下面这一条对话数据为例。
处理前的内容：
{
"instruction": "只剩一个心脏了还能活吗？",
"input": "",
"output": "能，人本来就只有一个心脏。"
}处理后，喂给大模型的内容：
<s>[INST] <<SYS>>
<</SYS>>
只剩一个心脏了还能活吗？ [/INST] 能，人本来就只有一个心脏。 </s># 对数据集进行处理，需要将数据集的内容按大模型的对话格式进行处理
def process_func_mistral(example):
MAX_LENGTH = 384 # Llama分词器会将一个中文字切分为多个token，因此需要放开一些最大长度，保证数据的完整性
instruction = tokenizer(
f"<s>[INST] <<SYS>>\n\n<</SYS>>\n\n{example['instruction']+example['input']}[/INST]",add_special_tokens=False) # add_special_tokens 不在开头加 special_tokens
response = tokenizer(f"{example['output']}", add_special_tokens=False)
input_ids = instruction["input_ids"] + response["input_ids"] + [tokenizer.pad_token_id]
attention_mask = instruction["attention_mask"] + response["attention_mask"] + [1] # 因为pad_token_id咱们也是要关注的所以 补充为1
labels = [-100] * len(instruction["input_ids"]) + response["input_ids"] + [tokenizer.pad_token_id]
if len(input_ids) > MAX_LENGTH: # 做一个截断
input_ids = input_ids[:MAX_LENGTH]
attention_mask = attention_mask[:MAX_LENGTH]
labels = labels[:MAX_LENGTH]
return {
"input_ids": input_ids,
"attention_mask": attention_mask,
"labels": labels
}
inputs_id = ds.map(process_func_mistral, remove_columns=ds.column_names)3.2.5 加载模型
#加载模型
model = AutoModelForCausalLM.from_pretrained(model_path, device_map=device, torch_dtype=torch.bfloat16, use_cache=False)
model.enable_input_require_grads() # 开启梯度检查点时，要执行该方法
print(model)3.2.6 设置 LORA 训练参数
config = LoraConfig(
task_type=TaskType.CAUSAL_LM,
target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],
inference_mode=False, # 训练模式
r=8, # Lora 秩
lora_alpha=32, # Lora alaph，具体作用参见 Lora 原理
lora_dropout=0.1 # Dropout 比例
)3.2.7 设置训练参数
model = get_peft_model(model, config)
model.print_trainable_parameters()
args = TrainingArguments(
output_dir=output_dir,
per_device_train_batch_size=2,
gradient_accumulation_steps=2,
logging_steps=20,
num_train_epochs=2,
save_steps=25,
save_total_limit=2,
learning_rate=1e-4,
save_on_each_node=True,
gradient_checkpointing=True
)3.2.8 开始训练
trainer = Trainer(
model=model,
args=args,
train_dataset=inputs_id,
data_collator=DataCollatorForSeq2Seq(tokenizer=tokenizer, padding=True),
)
# 如果训练中断了，还可以从上次中断保存的位置继续开始训练
if train_with_checkpoint:
checkpoint = [file for file in os.listdir(output_dir) if 'checkpoint' in file][-1]
last_checkpoint = f'{output_dir}/{checkpoint}'
print(last_checkpoint)
trainer.train(resume_from_checkpoint=last_checkpoint)
else:
trainer.train()3.2.9 完整的训练脚本
from datasets import Dataset
import pandas as pd
from transformers import (
AutoTokenizer,
AutoModelForCausalLM,
DataCollatorForSeq2Seq,
TrainingArguments,
Trainer, )
import torch,os
from peft import LoraConfig, TaskType, get_peft_model
import warnings
warnings.filterwarnings("ignore", category=UserWarning) # 忽略告警
device = 'cuda' if torch.cuda.is_available() else 'cpu'
# 模型文件路径
model_path = r'/root/autodl-tmp/itpossible/Chinese-Mistral-7B-Instruct-v0.1'
# 训练过程数据保存路径
name = 'ruozhiba'
output_dir = f'./output/Mistral-7B-{name}'
#是否从上次断点处接着训练
train_with_checkpoint = True
# 加载tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_path, use_fast=False, trust_remote_code=True)
tokenizer.pad_token = tokenizer.eos_token
#加载数据集
df = pd.read_json(f'./dataset/{name}.json')
ds = Dataset.from_pandas(df)
print(ds)
# 对数据集进行处理，需要将数据集的内容按大模型的对话格式进行处理
def process_func_mistral(example):
MAX_LENGTH = 384 # Llama分词器会将一个中文字切分为多个token，因此需要放开一些最大长度，保证数据的完整性
instruction = tokenizer(
f"<s>[INST] <<SYS>>\n\n<</SYS>>\n\n{example['instruction']+example['input']}[/INST]",add_special_tokens=False) # add_special_tokens 不在开头加 special_tokens
response = tokenizer(f"{example['output']}", add_special_tokens=False)
input_ids = instruction["input_ids"] + response["input_ids"] + [tokenizer.pad_token_id]
attention_mask = instruction["attention_mask"] + response["attention_mask"] + [1] # 因为pad_token_id咱们也是要关注的所以 补充为1
labels = [-100] * len(instruction["input_ids"]) + response["input_ids"] + [tokenizer.pad_token_id]
if len(input_ids) > MAX_LENGTH: # 做一个截断
input_ids = input_ids[:MAX_LENGTH]
attention_mask = attention_mask[:MAX_LENGTH]
labels = labels[:MAX_LENGTH]
return {
"input_ids": input_ids,
"attention_mask": attention_mask,
"labels": labels
}
inputs_id = ds.map(process_func_mistral, remove_columns=ds.column_names)
#加载模型
model = AutoModelForCausalLM.from_pretrained(model_path, device_map=device, torch_dtype=torch.bfloat16, use_cache=False)
print(model)
model.enable_input_require_grads() # 开启梯度检查点时，要执行该方法
config = LoraConfig(
task_type=TaskType.CAUSAL_LM,
target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],
inference_mode=False, # 训练模式
r=8, # Lora 秩
lora_alpha=32, # Lora alaph，具体作用参见 Lora 原理
lora_dropout=0.1 # Dropout 比例
)
model = get_peft_model(model, config)
model.print_trainable_parameters()
args = TrainingArguments(
output_dir=output_dir,
per_device_train_batch_size=2,
gradient_accumulation_steps=2,
logging_steps=20,
num_train_epochs=2,
save_steps=25,
save_total_limit=2,
learning_rate=1e-4,
save_on_each_node=True,
gradient_checkpointing=True
)
trainer = Trainer(
model=model,
args=args,
train_dataset=inputs_id,
data_collator=DataCollatorForSeq2Seq(tokenizer=tokenizer, padding=True),
)
# 如果训练中断了，还可以从上次中断保存的位置继续开始训练
if train_with_checkpoint:
checkpoint = [file for file in os.listdir(output_dir) if 'checkpoint' in file][-1]
last_checkpoint = f'{output_dir}/{checkpoint}'
print(last_checkpoint)
trainer.train(resume_from_checkpoint=last_checkpoint)
else:
trainer.train()4. 将 checkpoint 转换为 LORA
新建一个 checkpoint_to_lora.py，将训练的 checkpoint 保存为 LORA。
from transformers import AutoModelForSequenceClassification,AutoTokenizer
import os
# 需要保存的lora路径
lora_path= "/root/lora/Mistral-7B-lora-ruozhiba"
# 模型路径
model_path = '/root/autodl-tmp/itpossible/Chinese-Mistral-7B-Instruct-v0.1'
# 检查点路径
checkpoint_dir = '/root/output/Mistral-7B-ruozhiba'
checkpoint = [file for file in os.listdir(checkpoint_dir) if 'checkpoint-' in file][-1] #选择更新日期最新的检查点
model = AutoModelForSequenceClassification.from_pretrained(f'/root/output/Mistral-7B-ruozhiba/{checkpoint}')
# 保存模型
model.save_pretrained(lora_path)
tokenizer = AutoTokenizer.from_pretrained(model_path, use_fast=False, trust_remote_code=True)
tokenizer.pad_token = tokenizer.eos_token
# 保存tokenizer
tokenizer.save_pretrained(lora_path)5. 合并模型
新建一个 merge.py 文件，将基础模型和 LORA 模型合并为一个新的模型文件。
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
from peft import PeftModel
from peft import LoraConfig, TaskType, get_peft_model
model_path = '/root/autodl-tmp/itpossible/Chinese-Mistral-7B-Instruct-v0.1'
lora_path = "/root/lora/Mistral-7B-lora-ruozhiba"
device = 'cuda' if torch.cuda.is_available() else 'cpu'
# 合并后的模型路径
output_path = r'/root/autodl-tmp/itpossible/merge'
# 等于训练时的config参数
config = LoraConfig(
task_type=TaskType.CAUSAL_LM,
target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],
inference_mode=False, # 训练模式
r=8, # Lora 秩
lora_alpha=32, # Lora alaph，具体作用参见 Lora 原理
lora_dropout=0.1 # Dropout 比例
)
base = AutoModelForCausalLM.from_pretrained(model_path, torch_dtype=torch.bfloat16, low_cpu_mem_usage=True)
base_tokenizer = AutoTokenizer.from_pretrained(model_path)
lora_model = PeftModel.from_pretrained(
base,
lora_path,
torch_dtype=torch.float16,
config=config
)
model = lora_model.merge_and_unload()
model.save_pretrained(output_path)
base_tokenizer.save_pretrained(output_path)二、量化模型
1. 转换模型文件
基础模型和 LORA 合并后的模型，仍然为多个 safetensors，需要将多个 safetensors 合并为一个 bin。合并方法需要使用 llama.cpp 中 convert.py 转换脚本，github 地址 https://github.com/ggerganov/llama.cpp。转换方法详见 ollama 使用自定义大模型 – CSDN 博客。
python convert.py /root/autodl-tmp/itpossible/merge --outtype f16 --outfile /root/autodl-tmp/itpossible/convert.bin执行转换后，可以得到一个 convert.bin 文件，约等于 14G。为了节约存储空间，之前的合并模型文件夹可以删除了。
rm -rf /root/autodl-tmp/itpossible/merge2. 量化模型
对 llama.cpp 项目编译后，有个 quantize 可执行文件
/root/ollama/llm/llama.cpp/quantize /root/autodl-tmp/itpossible/convert.bin q5_k_m得到文件 ggml-model-Q5_K_M.gguf，量化参数有多个标准可以选择，选择不同的量化，模型的推理效果不一样。
三、ollama 创建模型
使用 Ollama，根据 ggml-model-Q5_K_M.gguf 创建模型，方法详见 ollama 使用自定义大模型_ollama 上面好用的大模型-CSDN博客。
四、总结
- 我还分别使用了 llama3-8b，qwen1.5-1.8b 进行 LORA 微调，但是在使用 llama.cpp 进行模型转换环节，出现了
NotImplementedError: BPE pre-tokenizer was not recognized - update get_vocab_base_pre()，从官网查询了很多 issues，暂未找到解决的办法，所以目前只有 Chinese-Mistral-7B-Instruct-v0.1 成功了。 - Ollama 的 modelfile 中还提供了添加 ADAPTER 的方法，也就是将 LORA 单独作为 ADAPTER，试了一下，模型推理效果不正确，暂未找到原因。目前，试验成功的方法只有这一个。将基础模型 + LORA 模型合并后，再用 Ollama 创建模型，推理效果达到了预期。
- 我只训练了不到半小时，要想微调后的对话效果更好，需要更多的数据集，和更长时间的训练。
参考文献
