微信扫码
与创始人交个朋友
我要投稿
技术总结专栏
作者:vivida
本篇主要从训练数据预处理、模型结构、训练参数设置与错误处理四大角度比较细节地分享大模型微调经验。
大模型的训练和微调过程相对于以前NLP中fine-tuning模式存在一些新的坑,并且做一些简单的消融实验相对于以前的模式试错成本也更高;此外目前很多算法工程师更多精力都放在了处理数据上, 工作之余很难有精力去做探索实验。
所以小伙伴们在实践前可以多看看一些通用的实践经验,带着一些先验知识去探索,尽量规避自己陷入一些无意义的坑中。
本篇将开启一个新系列,尽量细节的讲讲大模型中训练和微调的经验。
本篇主要从训练数据预处理、模型结构、训练参数设置与错误处理四大角度来谈经验,下面是一个问题的快捷目录。
1. 拿到业务产生的一批新的对话数据,需要进行SFT,怎样对这批数据进行优化?
2. 模型训练时,历史对话长度是不是设置得越长越好,一般设置多少?
3. 模型训练样本量规模增大,导致训练任务直接报OOM了,该怎么办?
4. 微调大模型的时候在模型结构方面有哪些经验?
5. 微调大模型的时候训练配置一般是怎样的?
6. 微调大模型时出现错误崩溃该怎么办?
拿到业务产生的一批对话数据,需要进行SFT,怎样对这批数据进行优化?
1. 上下文内容处理
考虑具体模型历史对话长度,输入历史对话数据进行左阶段, 保留最新的对话记录。
2. 语句顺滑处理
把一些口语化的语气词、语法错误等进行顺滑,如嗯嗯、呃、啊啊之类的口语词。
3. 去掉一些敏感或不合适的内容
这里可以从整句和词的角度来考虑。
整句
可以基于如fasttext等模型训练一个简单的文本分类模型,把价值观不正确的或不合适的样本数据筛出来;
还可以训练一个奖励模型,奖励模型怎么训练可以参考大模型强化学习实操(一)——如何训练一个自己偏好的大模型(附代码)这篇内容
词
这里比较直接,可以设置一个敏感词列表。
4. 扩充用户特征标签
基于年龄、性别、地域、人群等,针对对话的用户做一个特征标签,可以便于后期分析,做其他实验等。
模型训练时,历史对话长度是不是设置得越长越好,一般设置多少?
这个消融实验是这么设计的,选同一个模型,分别用两种方案训练,变量是max_source_length和max_target_length,对训练好之后的模型从Loss、Bleu指标、离线人工评估等角度进行对比分析。
下面直接附上结论:
基于现有显存条件,从人工评估少量样本以及loss下降来看,历史对话长度设置得越长越好。历史对话长度1024比512长度好,后续如果训练可能上线模型,可以扩大到1024长度。
模型训练样本量规模增大,导致训练任务直接报OOM了,该怎么办?
1. 方案
对数据并行处理,核心思想是使数据向量化耗时随处理进程的增加线性下降,训练时数据的内存占用只和数据分段大小有关,可以根据数据特点,灵活配置化。
2. 具体操作
均分完整数据集到所有进程(总的GPU卡数);
每个epoch训练时整体数据分片shuffle一次,在每个进程同一时间只加载单个分段大小数据集;
重新训练时可以直接加载向量化后的数据。
微调大模型的时候在模型结构有哪些经验?
模型结构:目前都用Causal Decoder + LM。有很好的zero-shot和few-shot能力,涌现效应
Layer normalization: 使用Pre RMS Norm
激活函数: 使用GeGLU或SwiGLU
Embedding层后不添加layer normalization,否则会影响LLM的性能
位置编码: 使用ROPE或ALiBi。ROPE应用更广
去除偏置项: 去除dense层和layer norm的偏置项,有助于提升稳定性
微调大模型的时候在训练配置方面有哪些经验?
Batch size: 大模型在硬件显存满足的情况下,一般batch size越大越好, 建议选用很大的batch size; 后期动态地增加batch size的策略,GPT3逐渐从32K增加到3.2M tokens。
学习率设置: 先warmup再衰减。学习率先线性增长,再余弦衰减到最大值的10%。最大值一般在 5e-5到1e-4之间。
梯度裁剪: 通常将梯度裁剪为1.0。
权重衰减: 采用AdamW优化器,权重衰减系数设置为0.1Adamw相当于Adam加了一个L2正则项。
混合精度训练: 采用bfloat16,而不是foat16来训练。
微调大模型时出现错误崩溃该怎么办?
前面都好好的,过某个shard的时候突然崩溃了大概率是数据问题。
选择一个好的断点,跳过训练崩溃的数据段,进行断点重训。
选择一个好的断点的两点标准:
损失标度 lossscale>0;
梯度的L2范数<一定值 且 波动小。
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-03-30
2024-04-26
2024-05-10
2024-04-12
2024-05-28
2024-05-14
2024-04-25
2024-07-18
2024-04-26
2024-05-06
2024-12-22
2024-12-21
2024-12-21
2024-12-21
2024-12-21
2024-12-20
2024-12-20
2024-12-19