在上一篇文章「Unsloth微调Llama3-8B，提速44.35%，节省42.58%显存，最少仅需7.75GB显存」中，我们介绍了Unsloth，这是一个大模型训练加速和显存高效的训练框架，我们已将其整合到Firefly训练框架中，并且对Llama3-8B的训练进行了测试，Unsloth可大幅提升训练速度和减少显存占用。

遗憾的是，Unsloth目前并不支持Qwen2模型结构，该需求在Unsloth的issue中也被频繁提及，但官方在短期内暂时没有支持Qwen2的计划，更多的是建议用户对Qwen2的权重进行Llama化，然后采用Llama的训练方式。但对Qwen2的权重进行Llama化后，模型性能有显著的下降。注：本文提及的Qwen2指的是模型结构，而非模型权重，Qwen1.5模型属于Qwen2模型结构，Qwen2模型权重尚未开源。

Qwen系列模型具有非常大的用户基数，目前开源的Qwen1.5模型可以视为Qwen2的preview版本，它在中英文任务上具有非常优秀的表现，一度取得中英文开源模型的SOTA，且后续还将继续开源正式版本的Qwen2模型。

基于上述现状，Firefly项目组尝试对Unsloth进行扩展，使其能够支持Qwen2模型进行训练，并且我们取得了不错的效果。在训练测试中，Qwen1.5-7B最少仅需8.43GB显存，这意味着我们可以在一张1080Ti上训练Qwen1.5-7B。开启Unsloth后，Qwen1.5-7B的训练速度可提升47.32%，训练时间可减少32.12%，显存占用可减少39.13%。我们在?Open LLM Leaderboard中验证了模型和训练方法的有效性，更多详情见第三节。

Firefly项目链接：

https://github.com/yangjianxin1/Firefly

Unsloth x Qwen2项目链接：

https://github.com/yangjianxin1/unsloth

模型权重：

https://huggingface.co/YeungNLP/firefly-qwen1.5-en-7b-unsloth

https://huggingface.co/YeungNLP/firefly-qwen1.5-en-7b-dpo-v0.1-unsloth

pip install git+https://github.com/yangjianxin1/unsloth.gitpip install bitsandbytes==0.43.1pip install transformers==4.37pip install peft==0.10.0pip install torch==2.2.2pip install xformers==0.0.25.post1

git clone https://github.com/yangjianxin1/Firefly.git

python train.py --train_args_file train_args/sft/qlora/qwen1.5-7b-sft-qlora.json

python train.py --train_args_file train_args/dpo/qlora/qwen1.5-7b-dpo-qlora.json

<|im_start|>systemYou are a helpful assistant.<|im_end|><|im_start|>userhello, who are you?<|im_end|><|im_start|>assistantI am a AI program developed by Firefly<|im_end|>

num_epochs: 1learning_rate: 2e-4total_train_batch_size: 32max_seq_length: 2048optimizer: paged_adamw_32bitlr_scheduler_type: constant_with_warmupwarmup_steps: 600lora_rank: 64lora_alpha: 16lora_dropout: 0.05gradient_checkpointing: truefp16: true

num_epochs: 1learning_rate: 2e-4total_train_batch_size: 32max_seq_length: 2048max_prompt_length: 500optimizer: paged_adamw_32bitlr_scheduler_type: constant_with_warmupwarmup_steps: 100lora_rank: 64lora_alpha: 16lora_dropout: 0.05gradient_checkpointing: truefp16: true