LLM - 大模型速递 Baichuan2 快速入门

一.引言

二.模型探索

1.模型下载

2.模型结构

◆ Baichuan-1-13B 结构

◆ Baichuan-2-13B 结构

3.模型测试

◆ Baichuan-2-13B Chat 推理

◆ Baichuan-2-13B 显存

4.模型量化

◆ 在线量化

◆ 离线量化

◆ 量化效果

5.模型迁移

三.模型微调

1.样本构造

2.单机 Lora 微调

3.显存占用

四.总结

一.引言

昨天百川新推出了 Baichuan 7B、13B 的最新模型 Baichuan2。

根据官方介绍，Baichuan2 主要采用了新的高质量语料训练，在同尺寸模型上取得最佳的效果，以通用领域为基准做到了除 GPT-4 外的最佳，相比前面的 Baichuan-13B 也有十足的进步。

二.模型探索

1.模型下载

模型出来博主也是第一时间下载了 Baichuan-13B-chat 进行体验，链接：Baichuan-13B-chat

可以看到好多烙铁已经先我一步了，模型 bin 文件大小相较于 Baichuan-13B-chat 多了大概 3G，之前用 V100-32G 单卡是可以跑起来 Baichuan 的，不知道更新之后还行不行。

2.模型结构

◆ Baichuan-1-13B 结构

可以看到 Baichuan-1-13B 共堆叠了 40 个模块，其中包含 sele_attn 和 mlp，最前和最后分别是一个 Embedding 层和 lm_head 层，从这两个层也可以看出 Baichuan 的向量维度为 5120，共包含 64000 个输出 token 类型。

◆ Baichuan-2-13B 结构

相比 Baichuan-1-13B，模型整体结构未改变，还是 Embedding + 40 x Module 的模型堆叠且 embedding 维度保持 5120，区别是 Embedding 支持的 Token 数 125696 大于第一代的 64000，其次 lm_head 也从 Linear 变成 NormHead。

3.模型测试

◆ Baichuan-2-13B Chat 推理

下面我们把模型跑起来看看，直接拿官方给的 demo 试试：

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
from transformers.generation.utils import GenerationConfigpath='/data2/models/Baichuan2-13B'
tokenizer = AutoTokenizer.from_pretrained(path, use_fast=False, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(path, device_map="auto", torch_dtype=torch.bfloat16, trust_remote_code=True)
model.generation_config = GenerationConfig.from_pretrained(path)
messages = []
messages.append({"role": "user", "content": "解释一下“温故而知新”"})
response = model.chat(tokenizer, messages)
print(response)

浅试下 chat 的效果：

==>
"温故而知新"是一句中国古代的格言，出自《论语·为政》篇。这句话的意思是：通过回顾过去的学习和经验，可以从中获得新的理解和启示。具体来说，它鼓励人们在学习和生活中要经常回顾和总结过去的知识、经验和教训，从而不断地提高自己，实现自我成长和提升。同时，这也强调了在学习过程中要注重知识的巩固和更新，以适应不断变化的环境和需求。
==>
"温故而知新"是一句源自《论语》的古语，这句话的意思是：通过回顾过去的学习和经验，从而获得新的理解和认识。这句话鼓励我们在学习过程中，不仅要关注新的知识，还要不断地回顾和巩固已经学过的知识，以便从中汲取新的启示和收获。这种方法有助于我们更好地吸收和理解新知识，提高学习效果。
==>
"温故而知新"是一句源自中国古代的成语，出自《论语·为政》篇。它的意思是在回顾过去的基础上，发现新的知识和理解。这句话鼓励我们在学习或生活中不断地回顾和反思过去的经验，从而获得新的启示和成长。

◆ Baichuan-2-13B 显存

为了测试推理需要的显存，先用 A800 尝尝咸淡，大概需要 30G 显存：

所以 V100-32G 应该也没问题可以跑起来最新的 Baichuan-2-13B，不过由于 Token 的扩充，遇到较长的 query 不确定 generate 是否会 OOM：

4.模型量化

◆ 在线量化

◆ 离线量化

◆ 量化效果

根据官方提供的数据集测试效果，量化后的效果整体损失不大，不过博主尝试了对 LLaMA-33B 进行 8-bit 量化，实际场景效果与未量化相差很大，大家可以在自己场景实际测试体验量化效果。其次这里量化的方式与一代也有一定区别，大家注意代码的修改。

5.模型迁移

由于很多同学在 Baichuan 1 (Baichuan-7B, Baichuan-13B) 上做了很多优化的工作，例如编译优化、量化等，为了将这些工作零成本地应用于 Baichuan 2，用户可以对 Baichuan 2 模型做一个离线转换，转换后就可以当做 Baichuan 1 模型来使用。具体来说，用户只需要利用以下脚本离线对 Baichuan 2 模型的最后一层 lm_head 做归一化，并替换掉 lm_head.weight 即可。替换完后，就可以像对 Baichuan 1 模型一样对转换后的模型做编译优化等工作了。这也印证了我们前面提到的 lm_head 两个模型的差异：

import torch
import os
ori_model_dir = 'your Baichuan 2 model directory'
# To avoid overwriting the original model, it's best to save the converted model to another directory before replacing it
new_model_dir = 'your normalized lm_head weight Baichuan 2 model directory'
model = torch.load(os.path.join(ori_model_dir, 'pytorch_model.bin'))
lm_head_w = model['lm_head.weight']
lm_head_w = torch.nn.functional.normalize(lm_head_w)
model['lm_head.weight'] = lm_head_w
torch.save(model, os.path.join(new_model_dir, 'pytorch_model.bin'))

三.模型微调

Baichuan-13B 是基于 LLaMA-Efficient-Tuning 框架进行 Lora 微调的，新版本 Baichuan2-13B 暂时不支持使用该框架微调，不过官方给了另外的版本，下面我们尝试使用新代码微调模型。

1.样本构造

[{"id": "77771","conversations": [{"from": "human","value": "写一篇关于气候变化对海洋生态的影响的文章。\n"},{"from": "gpt","value": "好的，以下是你要求的文章：\n气候变化对海洋生态的影响\n气候变化对海洋生态产生了广泛的影响。全球变暖导致海洋温度上升，这可能会对许多水生生物的生存、繁殖和迁移造成巨大的影响。另外，海洋酸化也是一个问题，因为大气中二氧化碳的增加导致海水中的pH值下降，使得许多生物
的外骨骼变得脆弱，从而影响它们的生存和繁殖。\n此外，气候变化还会引起海平面上升，这不仅对海岸线和沿海居民产生影响，还会对许多海洋生物的栖息地造成影响。一些岛屿上的陆地生物面临几乎完全消失的风险，而另一些生物范围则会扩大到更广泛的领域，这可能会导致新的竞争和生态平衡的改变。
\n总之，气候变化并不只是一个地球气温的问题，它对海洋生态系统产生了广泛和深远的影响。\n"},{"from": "human","value": "从刚刚的文章中提取出气候变化对海洋生物繁殖的影响。\n"},{"from": "gpt","value": "文章已经提到过气候变化会对海洋生物的生存、繁殖和迁移造成影响。例如，海洋酸化会使得许多生物的外骨骼变得脆弱，进而影响它们的生存和繁殖。此外，海洋温度上升也可能会对很多生物的生存和繁殖产生负面影响。"}]},...]

相较于之前框架的 instruction、input、output 和 columns，新版样本是 chat 形式，除了样本 id 外，主要在 JSON Array 的 conversations 数组中增加 qa 样本即可。这里给出样本转化的代码：

    candidate = []sample_id = 0for dialogue in qa:human = dialogue[0] + "\n"gpt = dialogue[1]train = {"id": str(sample_id), "conversations": [{"from": "human", "value": human}, {"from": "gpt", "value": gpt}]}candidate.append(train)sample_id += 1with open("baichuan_train.json", "w", encoding='utf-8') as f:json.dump(candidate, f, ensure_ascii=False, indent=4)

只需要将之前的样本的问答提出放到 qa 数组中，这里注意需要在 human 后添加 "\n" 以保持样本格式一致，最后 dumo 保存至 json 文件中即可。

2.单机 Lora 微调

hostfile=""
deepspeed --hostfile=$hostfile fine-tune.py  \--report_to "none" \--data_path "data/belle_chat_ramdon_10k.json" \--model_name_or_path "baichuan-inc/Baichuan2-7B-Base" \--output_dir "output" \--model_max_length 512 \--num_train_epochs 4 \--per_device_train_batch_size 16 \--gradient_accumulation_steps 1 \--save_strategy epoch \--learning_rate 2e-5 \--lr_scheduler_type constant \--adam_beta1 0.9 \--adam_beta2 0.98 \--adam_epsilon 1e-8 \--max_grad_norm 1.0 \--weight_decay 1e-4 \--warmup_ratio 0.0 \--logging_steps 1 \--gradient_checkpointing True \--deepspeed ds_config.json \--bf16 True \--tf32 True

默认的 batch_size 为 16，所以梯度累计修改为 1，如果显存比较紧张，可以调低 batch_size，调大 gradient_accumulation_steps。其次代码已经支持轻量化微调如 LoRA，如需使用仅需在上面的脚本中加入以下参数：

--use_lora True

同时参数并不支持传递 lora 相关参数，可以查看代码内的具体配置并修改，下面为默认配置：

peft_config = LoraConfig(task_type=TaskType.CAUSAL_LM,target_modules=["W_pack"],inference_mode=False,r=1,lora_alpha=32,lora_dropout=0.1,
)

这里 rank 有点小，我们可以根据实际情况调整。

3.显存占用

博主在 A800 上尝试 Lora Baichuan2-13B 模型，其显存占用情况如下，如果显存比较吃紧，可以尝试下载官方的量化模型，或者降低 batch_size 大小：

四.总结

上面是最新 Baichuan-2-13B 的使用初体验，后续还会测试基于 Baichuan-2-13B 微调的模型效果如何。更多 Baichaun-2 的细节大家可以移步官网：https://github.com/baichuan-inc/Baichuan2。