在本文中，我将向您展示如何使用 Unsloth 微调 LLM（Meta 的 Llama 3）。我还将提供使用您自己自定义数据集的方法。

注意： Unsloth 是一个加速 LLM 在 NVIDIA GPU 上微调的库（与传统方法相比，内存使用减少 40%）。与 Hugging Face 兼容，支持 Llama 和 Mistral 架构。

如果您觉得我的文章有趣，请不要忘记 点赞并 关注 ??，写这些文章需要时间和精力！

您可以访问 GitHub 仓库中提供的免费笔记本。

由于我使用的是 Llama 3，因此我将点击笔记本（您也可以在自己的计算机上安装 Unsloth）。

注意： 我将使用这个数据集 “alpaca-cleaned” 来自 Hugging Face，数据采用 Alpaca 格式，即包含（指令、输入和输出）。

开始项目

在项目中，我将指导您使用 Unsloth 进行微调，解释代码并提供建议，让我们开始我们的项目：

1/ 安装所需的包： 我们首先需要安装 Unsloth 和 xformers、trl、peft、accelerate、bitsandbytes 库，以便进行高效的模型训练和推理。

!pip install "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
!pip install --no-deps xformers trl peft accelerate bitsandbytes

2/ 加载和配置模型： 在配置中，我将设置以下内容：

• 将最大序列长度设置为 2048

• 将 dtype 设置为 None，它会自动检测数据类型。

• 以 4-位精度加载模型，我认为这已经足够。

注意： 您可以在资源部分找到我关于微调 LLM 的技巧的文章。

from unsloth import FastLanguageModel
import torch

## 配置
max_seq_length = 2048
dtype = None
load_in_4bit = True

## 加载选定的模型
model, tokenizer = FastLanguageModel.from_pretrained(
model_name="unsloth/llama-3-8b-bnb-4bit",
max_seq_length=max_seq_length,
dtype=dtype,
load_in_4bit=load_in_4bit,
)

3/ 应用 PEFT（参数高效微调）： 然后我们将使用 LoRA 对预训练模型进行微调。

• r = 16 是 LoRA 的秩参数。注意： 常见值为 8、16、32、64、128

• lora_alpha = 16 代表 LoRA 更新的缩放因子（我将写一篇关于 LoRA 的文章，以详细解释每个部分）

• 对于 LoRA 不使用 dropout 和偏置

• 对于 use_gradient_checkpointing，我们使用 Unsloth 来处理（节省内存）

model = FastLanguageModel.get_peft_model(
model,
r = 16,
target_modules = ["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],
lora_alpha = 16,
lora_dropout = 0,
bias = "none",
use_gradient_checkpointing = "unsloth",
random_state = 3407,
use_rslora = False,
loftq_config = None,
)

4/ 定义提示模板： 我们将创建 alpaca 提示模板以格式化数据集（如果您使用的数据不是这种格式）。

我们还将添加 EOS（结束序列）以通知 LLM 句子已结束。

最后是格式化函数，该函数接受一批示例并根据我们之前编写的 alpaca 提示模板格式化每个示例。

• 它从每个示例（行）中提取指令、输入和输出字段。

• 然后将这些字段格式化到模板中并附加 EOS 标记。

• 格式化的文本存储在列表中，并作为具有单个键“text”的字典返回。

alpaca_prompt = """以下是描述任务的指令，配有提供进一步上下文的输入。写一个适当完成请求的响应。

#### 指令：
{}

#### 输入：
{}

#### 响应：
{}"""

EOS_TOKEN = tokenizer.eos_token

def formatting_prompts_func(examples):
instructions = examples["instruction"]
inputs = examples["input"]
outputs = examples["output"]
texts = []
for instruction, input, output in zip(instructions, inputs, outputs):
text = alpaca_prompt.format(instruction, input, output) + EOS_TOKEN
texts.append(text)
return {"text": texts}

5/ 加载和格式化数据集： 加载 Alpaca 数据集并对每个数据集示例应用格式化。

from datasets import load_dataset
dataset = load_dataset("yahma/alpaca-cleaned", split = "train")
dataset = dataset.map(formatting_prompts_func, batched = True)

6/ 设置和训练模型： 我在我之前的文章中涵盖了大部分关于微调的技巧。

from trl import SFTTrainer
from transformers import TrainingArguments
from unsloth import is_bfloat16_supported

trainer = SFTTrainer(
model = model,
tokenizer = tokenizer,
train_dataset = dataset,
dataset_text_field = "text",
max_seq_length = max_seq_length,
dataset_num_proc = 2, # 用于数据预处理的进程数量
packing = False, # 是否将多个序列打包成一个批次以提高训练效率
args = TrainingArguments(
per_device_train_batch_size = 2, # 每个设备的批次大小
gradient_accumulation_steps = 4, # 梯度累积步数，允许有效增大批次大小
warmup_steps = 5, # 进行线性学习率预热的步骤数
max_steps = 60, # 总训练步骤数
learning_rate = 2e-5,# 优化器的学习率
fp16 = not is_bfloat16_supported(),
bf16 = is_bfloat16_supported(),
logging_steps = 1,
optim = "adamw_8bit",
weight_decay = 0.01,
lr_scheduler_type = "cosine",
seed = 3407,
output_dir = "outputs",
),
)

trainer_stats = trainer.train()

7/ 推理和生成： 我们通过准备输入提示、对其进行标记化，然后使用模型根据该提示生成新文本来准备模型进行推理。生成的文本随后被转换回可读形式。

FastLanguageModel.for_inference(model)
inputs = tokenizer(
[
alpaca_prompt.format(
"继续斐波那契数列。", # 指令
"1, 1, 2, 3, 5, 8", # 输入
"", # 输出 - 留空以进行生成！
)
], return_tensors = "pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens = 64, use_cache = True)
tokenizer.batch_decode(outputs)

您还可以使用 TextStreamer 进行连续推理，这样您可以看到生成的每个标记，而不是一直等待整个过程！

FastLanguageModel.for_inference(model)
inputs = tokenizer(
[
alpaca_prompt.format(
"继续斐波那契数列。",
"1, 1, 2, 3, 5, 8",
"",
)
], return_tensors = "pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens = 64, use_cache = True)
tokenizer.batch_decode(outputs)

from transformers import TextStreamer
text_streamer = TextStreamer(tokenizer)
_ = model.generate(**inputs, streamer = text_streamer, max_new_tokens = 128)

8/ 保存模型： 如果您对此感到满意，可以保存您的模型或将其推送到 Hugging Face Hub。

model.save_pretrained("lora_model")
tokenizer.save_pretrained("lora_model")
## model.push_to_hub("your_name/lora_model", token = "...")
## tokenizer.push_to_hub("your_name/lora_model", token = "...")

9/ 加载模型：

if False:
from unsloth import FastLanguageModel
model, tokenizer = FastLanguageModel.from_pretrained(
model_name = "lora_model",
max_seq_length = max_seq_length,
dtype = dtype,
load_in_4bit = load_in_4bit,
)
FastLanguageModel.for_inference(model)

10/ 用于生成：

inputs = tokenizer(
[
alpaca_prompt.format(
"巴勒斯坦的首都是什么？",
"",
"",
)
], return_tensors = "pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens = 64, use_cache = True)
tokenizer.batch_decode(outputs)