网站建设需要域名上海猎头公司排行榜
上篇文章记录了使用lora微调deepseek-7b，微调成功，但是微调llama3-8b显存爆炸，这次尝试使用qlora微调HQQ方式量化，微调更大参数体量的大语言模型，记录下来微调过程，仅供参考。
对过程不感兴趣的兄弟们可以直接从第3节开始看。
1.量化方法
重点介绍bitsandbytes、hqq和eetq这三种量化方式，它们通过将模型的权重压缩为低精度格式来减少显存占用，从而使得可以训练更大的模型，或者在有限的显存资源下运行大型模型。
- bitsandbytes： 专注于权重量化，通过将模型权重表示为更低精度的数据类型，以减少显存占用和提升训练效率
- hqq： 通常是一种结合了多种量化技术的方法，旨在通过多种策略进一步压缩模型的存储需求，并保持训练过程的性能。
- eetq： 专注于在训练阶段有效地进行量化，以减少显存占用，并可能采用某些自适应的量化策略来平衡效率和效果。
1.1 在配置文件中的位置:
model_name_or_path: meta-llama/Meta-Llama-3-8B-Instruct
quantization_bit: 4
quantization_method: bitsandbytes # choices: [bitsandbytes (4/8), hqq (2/3/4/5/6/8), eetq (8)]
如上述配置文件所示，量化模型方法有：bitsandbytes、hqq和eetq三种方式，其中bitsandbytes(4/8)是指支持4bit和8bit量化，其他两种同理。
2.微调Meta-Llama-3-8B-Instruct
## llama3_lora_sft_otfq.yaml 修改部分
model_name_or_path: models/Meta-Llama-3-8B-Instruct/
quantization_bit: 2
quantization_method: hqq # choices: [bitsandbytes (4/8), hqq (2/3/4/5/6/8), eetq (8)]
trust_remote_code: true
...
### method
...
lora_target: q_proj,v_proj
运行训练命令:
llamafactory-cli train examples/train_qlora/llama3_lora_sft_otfq.yaml
通过修改lora_target，只微调q_proj和v_proj的方式减少显存使用，成功运行，没有OOM，但显存也是几乎全满了，与官网对照表还是对不上。
3.微调Llama-2-13b-chat-hf模型
抱着菜就多练，不会就问的态度，直接在github上问，结果还真得到了答复，问题地址：issue
得到的回复也很简单，微调方式有问题。
于是我去官网上去找fsdp + qlora的微调方式，还真让我找到了！！
于是我兴致冲冲的去按照官方命令微调:
bash examples/extras/fsdp_qlora/train.sh# train.sh
#CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 accelerate launch \
# --config_file examples/accelerate/fsdp_config.yaml \
# src/train.py examples/extras/fsdp_qlora/llama3_lora_sft.yaml
注意： 运行之前要修改一下fsdp_config.yaml和llama3_lora_sft.yaml，其中fsdp_config.yaml第19行num_processes为你GPU数量，llama3_lora_sft.yaml的配置就不赘述。
运行结果显存使用显著下降，但是RAM使用量提高，如图所示：
总结
- PyTorch的全切片数据并行技术
FSDP能让我们处理更多更大的模型，这是微调13b模型成功的关键。 - fsdp_config.yaml中的FULL_SHARD将模型参数、梯度和优化器状态都切分到不同的GPU上，类似ZeRO-3。
- 使用
fsdp + qlora微调方法微调32B模型依旧OOM，后续会继续探索DeepSpeed方式来微调32B模型，验证其可行性。