大模型那么火，教你一键Modelarts玩转开源LlaMA(羊驼)大模型
本文分享自华为云社区《大模型那么火，教你一键Modelarts玩转开源LlaMA(羊驼)大模型》，作者：码上开花_Lancer 。
近日， LlaMA(羊驼)这个大模型再次冲上热搜！
LLaMA（Large Language Model Meta AI），由 Meta AI 发布的一个开放且高效的大型基础语言模型，共有 7B、13B、33B、65B（650 亿）四种版本。其数据集来源都是公开数据集，无任何定制数据集，保证了其工作与开源兼容和可复现，整个训练数据集在 token 化之后大约包含 1.4T 的 token。关于模型性能，LLaMA 的性能非常优异：具有 130 亿参数的 LLaMA 模型「在大多数基准上」可以胜过 GPT-3（ 参数量达 1750 亿），而且可以在单块 V100 GPU 上运行；而最大的 650 亿参数的 LLaMA 模型可以媲美谷歌的 Chinchilla-70B 和 PaLM-540B。
上篇文章有介绍了LLaMA 所采用的Transformer 结构和细节，与之前所介绍的Transformer架构不同的地方包括采用了前置层归一化（Pre-normalization）并使用RMSNorm 归一化函数（Normalizing Function）、激活函数更换为SwiGLU，并使用了旋转位置嵌入（RoP），整体Transformer架构与GPT-2 类似，如图1.1所示。
图1.1 GPT-2 模型结构
关于训练集，其来源都是公开数据集，无任何定制数据集，保证了其工作与开源兼容和可复现。整个训练数据集在 token 化之后大约包含 1.4T 的 token。其中，LLaMA-65B 和 LLaMA-33B 是在 1.4万亿个 token 上训练的，而最小的模型 LLaMA-7B 是在 1万亿个 token 上训练的。LLaMA 优势在于其只使用公开可用的数据，这可以保证论文的工作与开源兼容和可复现。之前的大模型要么使用了不公开的数据集去训练从而达到了 state-of-the-art，如 Chinchilla、PaLM 或 GPT-3；要么使用了公开数据集，但模型效果不是最佳无法和 PaLM-62B 或 Chinchilla 相竞争，如 OPT、GPT-NeoX、BLOOM 和 GLM。
和 GPT 系列一样，LLaMA 模型也是 Decoder-only 架构，但结合前人的工作做了一些改进，比如：
- Pre-normalization [GPT3]. 为了提高训练稳定性，LLaMA 对每个 transformer 子层的输入进行归一化，使用 RMSNorm 归一化函数，Pre-normalization 由Zhang和Sennrich（2019）引入。
- SwiGLU 激活函数 [PaLM]. 将 ReLU 非线性替换为 SwiGLU 激活函数，且使用2/3*4D而不是 PaLM 论文中的 4d，SwiGLU 由 Shazeer（2020）引入以提高性能。
- Rotary Embeddings [GPTNeo]. 模型的输入不再使用 positional embeddings，而是在网络的每一层添加了 positional embeddings (RoPE)，RoPE 方法由Su等人（2021）引入。
不同模型的超参数详细信息在表2中给出,具体可以去看看我上篇文章，
具体怎么在华为云的ModelArts上玩转LLAMA开源大模型呢？
前期准备：
1.登录华为云官方账号：
点击右上角“控制台”，搜索栏输入“ModelArts”
点击“AI Gallery“,选择“北京四”区域，
点击"资产集市--Notebook",输入“Mindformers应用之LLaMA_7B推理应用”
点击“Run in ModelArts”,进入，
1. 安装MindFormers开发套件
%cd /home/ma-user/work !git clone -b r0.6 https://gitee.com/mindspore/mindformers.git Cloning into 'mindformers'... remote: Enumerating objects: 21732, done. remote: Counting objects: 100% (437/437), done. remote: Compressing objects: 100% (330/330), done. remote: Total 21732 (delta 262), reused 190 (delta 107), pack-reused 21295 Receiving objects: 100% (21732/21732), 37.74 MiB | 3.73 MiB/s, done.
编译代码
%cd mindformers !bash build.sh %cd .. /home/ma-user/work/mindformers ---------------- MindFormers: build start ---------------- running bdist_wheel running build running build_py creating build/lib/mindformers copying mindformers/__init__.py -> build/lib/mindformers copying mindformers/auto_class.py -> build/lib/mindformers copying mindformers/mindformer_book.py -> build/lib/mindformers creating build/lib/mindformers/core copying mindformers/core/__init__.py -> build/lib/mindformers/core copying mindformers/core/clip_grad.py -> build/lib/mindformers/core copying mindformers/core/parallel_config.py -> build/lib/mindformers/core creating build/lib/mindformers/dataset ........
2.下载LLaMA模型和tokenizer
%cd /home/ma-user/work/mindformers import moxing as mox mox.file.copy_parallel('obs://modelarts-labs-bj4-v2/case_zoo/Mindfomer_LLaMA/', 'checkpoint_download/llama')
3.推理-使用pipeline接口开启快速推理
from mindformers.pipeline import pipeline pipeline_task = pipeline("text_generation", model='llama_7b', max_length=20) pipeline_result = pipeline_task("I love Beijing, because", top_k=3) print(pipeline_result)
- 当我输入提示词：
text_generation_text': I love Beijing, because
通过LLaMA_7B模型推理可以快速输出：
['I love Beijing, because it is a city that is constantly changing.\nI love the city']
赶紧来点击试一试，体验下自己写代码调用LLAMA_7B开源大模型的魅力吧！！
