torchtune是PyTorch新开源的LLM微调工具库，并原生支持LLAMA3微调！参考之前推送：

微调自己的大模型：PyTorch开源torchtune

洗数据干翻GPT4？解读LLAMA3！

Llama3-8B

Llama3-8B 是 Meta AI 发布的新型模型，它在一系列不同的基准测试中提高了 Llama2 模型系列的性能。Llama2-7B 和 Llama3-8B 模型之间有几个主要的变化：

• Llama3-8B 使用分组查询注意力机制，而不是 Llama2-7B 中的标准多头注意力机制。

• Llama3-8B 拥有更大的词汇表大小（128,256，而不是 Llama2 模型的 32,000）。

• Llama3-8B 使用了与 Llama2 模型不同的分词器（tiktoken 而非 sentencepiece）。

• Llama3-8B 在其 MLP（多层感知机）层中使用了比 Llama2-7B 更大的中间维度。

• Llama3-8B 在计算其旋转位置嵌入（rotary positional embeddings）中的 theta 时使用了更大的值。

获取Llama3-8B

tune download meta-llama/Meta-Llama-3-8B \    --output-dir <checkpoint_dir> \    --hf-token <ACCESS TOKEN>

https://github.com/meta-llama/llama3/blob/main/README.md

微调Llama3-8B

单卡LoRA微调样例：

tune run lora_finetune_single_device --config llama3/8B_lora_single_device

在我们的实验中，我们观察到18.5GB的峰值内存使用量。默认配置可以在具有24 GB VRAM的消费级GPU上进行训练。

如果您有多个可用的GPU，您可以运行分布式版本。torchtune使用PyTorch Distributed的FSDP API来分割模型、优化器状态和梯度。这将使您能够增加批量，从而更快地进行整体培训。例如，在两个设备上：

tune run --nproc_per_node 2 lora_finetune_distributed --config llama3/8B_lora

由于我们的默认配置支持完整的bfloat16训练，因此所有上述命令都可以在具有至少24 GB 显存的设备上运行，事实上，如果使用QLoRA，峰值分配内存甚至低于10 GB。您还可以尝试使用LoRA和QLoRA的不同配置，甚至可以进行全量参数微调。试试看！比如QLoRA微调方法如下：

tune run lora_finetune_single_device --config llama3/8B_qlora_single_device

使用torchtune完全可以实现0代码大模型微调、评测、量化、推理，所要做的仅需要确定微调的YAML配置文件！