如何用华为云ModelArts平台玩转Llama2
本文分享自华为云社区《如何用华为云ModelArts平台玩转Llama2》，作者：码上开花_Lancer。
天哪~~ Llama2模型开源了拉！！
Llama2不仅开源了预训练模型，而且还开源了利用对话数据SFT后的Llama2-Chat模型，并对Llama2-Chat模型的微调进行了详细的介绍。
开源模型目前有7B、13B、70B三种尺寸，预训练阶段使用了2万亿Token，SFT阶段使用了超过10w数据，人类偏好数据超过100w。
发布不到一周的Llama 2，已经在研究社区爆火，一系列性能评测、在线试用的demo纷纷出炉。
就连OpenAI联合创始人Karpathy用C语言实现了对Llama 2婴儿模型的推理。
既然Llama 2现已人人可用，那么如何在华为云上去微调实现更多可能的应用呢？
打开华为云的ModelArts 创建notebook,首先需要下载数据集上传到OBS对象存储空间中，再通过命令copy到本地。
数据集地址：https://huggingface.co/datasets/samsum
1. 下载模型
克隆Meta的Llama推理存储库（包含下载脚本）：
!git clone https://github.com/facebookresearch/llama.git
然后运行下载脚本：
!bash download.sh
在这里，你只需要下载7B模型就可以了。
2. 将模型转换为Hugging Face支持的格式
!pip install git https://github.com/huggingface/transformerscd transformerspython convert_llama_weights_to_hf.py \ --input_dir /path/to/downloaded/llama/weights --model_size 7B --output_dir models_hf/7B
现在，我们得到了一个Hugging Face模型，可以利用Hugging Face库进行微调了！
3. 运行微调笔记本：
克隆Llama-recipies存储库：
!git clone https://github.com/facebookresearch/llama-recipes.git
然后，在你喜欢的notebook界面中打开quickstart.ipynb文件，并运行整个notebook。
（此处，使用的是Jupyter lab）：
!pip install jupyterlabjupyter lab # in the repo you want to work in
为了适应转换后的实际模型路径，确保将以下一行更改为：
model_id="./models_hf/7B"
最后，一个经过Lora微调的模型就完成了。
4. 在微调的模型上进行推理
当前，问题在于Hugging Face只保存了适配器权重，而不是完整的模型。所以我们需要将适配器权重加载到完整的模型中。
导入库：
import torchfrom transformers
import LlamaForCausalLM, LlamaTokenizerfrom peft import PeftModel, PeftConfig
加载分词器和模型：
model_id="./models_hf/7B"tokenizer = LlamaTokenizer.from_pretrained(model_id)model =LlamaForCausalLM.from_pretrained(model_id, load_in_8bit=True, device_map='auto', torch_dtype=torch.float16)
从训练后保存的位置加载适配器：
model = PeftModel.from_pretrained(model, "/root/llama-recipes/samsungsumarizercheckpoint")
运行推理：
eval_prompt = """Summarize this dialog:A: Hi Tom, are you busy tomorrow’s afternoon?B: I’m pretty sure I am. What’s up?A: Can you go with me to the animal shelter?.B: What do you want to do?A: I want to get a puppy for my son.B: That will make him so happy.A: Yeah, we’ve discussed it many times. I think he’s ready now.B: That’s good. Raising a dog is a tough issue. Like having a baby ;-)A: I'll get him one of those little dogs.B: One that won't grow up too big;-)A: And eat too much;-))B: Do you know which one he would like?A: Oh, yes, I took him there last Monday. He showed me one that he really liked.B: I bet you had to drag him away.A: He wanted to take it home right away ;-).B: I wonder what he'll name it.A: He said he’d name it after his dead hamster – Lemmy - he's a great Motorhead fan :-)))---Summary:""" model_input = tokenizer(eval_prompt, return_tensors="pt").to("cuda") model.eval()with torch.no_grad(): print(tokenizer.decode(model.generate(**model_input, max_new_tokens=100)[0], skip_special_tokens=True))
LLM Engine微调更便捷
如果你想用自己的数据对Llama 2微调，该如何做？
创办Scale AI初创公司的华人CEO Alexandr Wang表示，自家公司开源的LLM Engine，能够用最简单方法微调Llama 2。
Scale AI的团队在一篇博文中，具体介绍了Llama 2的微调方法。
from llmengine import FineTuneresponse = FineTune.create( model="llama-2-7b", training_file="s3://my-bucket/path/to/training-file.csv",) print(response.json())
数据集
在如下示例中，Scale使用了Science QA数据集。
这是一个由多项选择题组成的流行数据集，每个问题可能有文本上下文和图像上下文，并包含支持解决方案的详尽解释和讲解。
Science QA的示例
目前，LLM Engine支持对「提示完成对」进行微调。首先，需要将Science QA数据集转换为支持的格式，一个包含两列的CSV：prompt和response 。
在开始之前，请安装所需的依赖项。
!pip install datasets==2.13.1 smart_open[s3]==5.2.1 pandas==1.4.4
可以从Hugging Face加载数据集，并观察数据集的特征。
from datasets import load_datasetfrom smart_open import smart_openimport pandas as pd dataset = load_dataset('derek-thomas/ScienceQA')dataset['train'].features
提供Science QA示例的常用格式是：
Context: A baby wants to know what is inside of a cabinet. Her hand applies a force to the door, and the door opens.Question: Which type of force from the baby's hand opens the cabinet door?Options: (A) pull (B) pushAnswer: A.
由于Hugging Face数据集中options的格式是「可能答案的列表」，需要通过添加枚举前缀，将此列表转换为上面的示例格式。
choice_prefixes = [chr(ord('A') + i) for i in range(26)] # A-Zdef format_options(options, choice_prefixes): return ' '.join([f'({c}) {o}' for c, o in zip(choice_prefixes, options)])
现在，编写格式化函数，将这个数据集中的单个样本转换为输入模型的prompt和response 。
def format_prompt(r, choice_prefixes): options = format_options(r['choices'], choice_prefixes) return f'''Context: {r["hint"]}\nQuestion: {r["question"]}\nOptions:{options}\nAnswer:''' def format_response(r, choice_prefixes): return choice_prefixes[r['answer']]
最后，构建数据集。
请注意，Science QA中的某些示例只有上下文图像。（如下演示中会跳过这些示例，因为Llama-2纯粹是一种语言模型，并且不能接受图像输入。）
def convert_dataset(ds): prompts = [format_prompt(i, choice_prefixes) for i in ds if i['hint'] != ''] labels = [format_response(i, choice_prefixes) for i in ds if i['hint'] != ''] df = pd.DataFrame.from_dict({'prompt': prompts, 'response': labels}) return df
LLM Engine支持使用「预训练和验证数据集」来进行训练。假如你只提供训练集，LLM Engine会从数据集中随机拆分10%内容进行验证。
因为拆分数据集可以防止模型过度拟合训练数据，不会导致在推理期间实时数据泛化效果不佳。
另外，这些数据集文件必须存储在可公开访问的URL中，以便LLM Engine可以读取。对于此示例，Scale将数据集保存到s3。
并且，还在Github Gist中公开了预处理训练数据集和验证数据集。你可以直接用这些链接替换train_url和val_url 。
train_url = 's3://...'val_url = 's3://...'df_train = convert_dataset(dataset['train'])with smart_open(train_url, 'wb') as f: df_train.to_csv(f)df_val = convert_dataset(dataset['validation'])with smart_open(val_url, 'wb') as f:df_val.to_csv(f)
现在，可以通过LLM Engine API开始微调。
微调
首先，需要安装LLM Engine。
!pip install scale-llm-engine
接下来，你需要设置Scale API密钥。按照README的说明获你唯一的API密钥。
高级用户还可以按照自托管LLM Engine指南进行操作，由此就不需要Scale API密钥。
import os os.environ['SCALE_API_KEY'] = 'xxx'
一旦你设置好一切，微调模型只需要一个API的调用。
在此，Scale选择了Llama-2的70亿参数版本，因为它对大多数用例来说已经足够强大了。
from llmengine import FineTuneresponse = FineTune.create( model="llama-2-7b", training_file=train_url, validation_file=val_url, hyperparameters={ 'lr':2e-4, }, suffix='science-qa-llama')run_id = response.fine_tune_id
通过run_id ，你可以监控工作状态，并获取每个epoch的实时更新指标，比如训练和验证损失。
Science QA是一个大型数据集，因此训练可能需要一两个小时才能完成。
while True: job_status = FineTune.get(run_id).status # Returns one of `PENDING`, `STARTED`, `SUCCESS`, `RUNNING`, # `FAILURE`, `CANCELLED`, `UNDEFINED` or `TIMEOUT` print(job_status) if job_status == 'SUCCESS': break time.sleep(60)#Logs for completed or running jobs can be fetched withlogs = FineTune.get_events(run_id)
推理与评估
完成微调后，你可以开始对任何输入生成响应。但是，在此之前，确保模型存在，并准备好接受输入。
ft_model = FineTune.get(run_id).fine_tuned_model
不过，你的第一个推理结果可能需要几分钟才能输出。之后，推理过程就会加快。
一起评估下在Science QA上微调的Llama-2模型的性能。
import pandas as pd #Helper a function to get outputs for fine-tuned model with retriesdef get_output(prompt: str, num_retry: int = 5): for _ in range(num_retry): try: response = Completion.create( model=ft_model, prompt=prompt, max_new_tokens=1, temperature=0.01 ) return response.output.text.strip() except Exception as e: print(e) return "" #Read the test datatest = pd.read_csv(val_url) test["prediction"] = test["prompt"].apply(get_output) print(f"Accuracy: {(test['response'] == test['prediction']).mean() * 100:.2f}%")
微调后的Llama-2能够达到82.15%的准确率，已经相当不错了。
那么，这个结果与Llama-2基础模型相比如何？
由于预训练模型没有在这些数据集上进行微调，因此需要在提示中提供一个示例，以便模型学会遵从我们期望的回复格式。
另外，我们还可以看到与微调类似大小的模型MPT-7B相比的情况。
在Science QA上微调Llama-2，其性能增益有26.59%的绝对差异！
此外，由于提示长度较短，使用微调模型进行推理比使用少样本提示更便宜。这种微调Llama-27B模型也优于1750亿参数模型GPT-3.5。
可以看到，Llama-2模型在微调和少样本提示设置中表现都优于MPT，充分展示了它作为基础模型和可微调模型的优势。
此外，Scale还使用LLM Engine微调和评估LLAMA-2在GLUE（一组常用的NLP基准数据集）的几个任务上的性能。
现在，任何人都可以释放微调模型的真正潜力，并见证强大的AI生成回复的魔力。
我发现虽然Huggingface在transformers方面构建了一个出色的库，但他们的指南对于普通用户来说往往过于复杂。
参考资料：
- https://twitter.com/MetaAI/status/1683581366758428672
- https://brev.dev/blog/fine-tuning-llama-2
- https://scale.com/blog/fine-tune-llama-2
