LLaMA Factory 在国产 DCU 上微调 Llama 3 模型实战

2. 启动微调

llamafactory-cli train examples/train_lora/llama3_lora_sft.yaml

3. 微调过程关键日志输出与解读

环境初始化与分布式设置

• Setting ds_accelerator to cuda (auto detect)
• Initializing 8 distributed tasks at: 127.0.0.1:54447
• 各 GPU 进程初始化 NCCL，日志显示 size: 8, global rank: 2, TIMEOUT(ms): 180000000000。
• 各进程确认信息，例如 Process rank: 2, world size: 8, device: cuda:2, distributed training: True, compute dtype: torch.bfloat16，表明已启用 bf16 混合精度。
• Set ddp_find_unused_parameters to False in DDP training since LoRA is enabled.

Tokenizer 与模型配置加载

• 加载 tokenizer.json, tokenizer.model 等文件。
• 加载模型配置文件 /root/.cache/modelscope/hub/models/LLM-Research/Meta-Llama-3-8B-Instruct/config.json，确认模型架构如 hidden_size: 4096, num_hidden_layers: 32, torch_dtype: "bfloat16"。

数据集加载与预处理

• Add pad token: <|eot_id|>，Add <|eot_id|>,<|eom_id|> to stop words.
• 加载数据集 identity.json (91 条样本) 和 alpaca_en_demo.json (1000 条样本)。
• Converting format of dataset (num_proc=16) 和 Running tokenizer on dataset (num_proc=16)，共处理 1091 条样本。
• 展示了处理后的一个训练样本 training example，包括 input_ids, inputs (已格式化模板) 和 label_ids (prompt 部分为 -100)。

基础模型权重加载与 LoRA 适配器设置

• KV cache is disabled during training.
• 加载模型权重 /root/.cache/modelscope/hub/models/LLM-Research/Meta-Llama-3-8B-Instruct/model.safetensors.index.json，共 4 个分片。
• 出现警告：Using the SDPA attention implementation on multi-gpu setup with ROCM may lead to performance issues due to the FA backend. Disabling it to use alternative backends.
• Gradient checkpointing enabled.
• Fine-tuning method: LoRA
• Found linear modules: v_proj,q_proj,k_proj,down_proj,o_proj,gate_proj,up_proj (这些是 lora_target: all 选中的层)。
• trainable params: 20,971,520 || all params: 8,051,232,768 || trainable%: 0.2605，明确了 LoRA 引入的可训练参数量和占比。

Trainer 初始化与训练循环

• ***** Running training *****
• Num examples = 1,091, Num Epochs = 3
• Instantaneous batch size per device = 1, Total train batch size (w. parallel, distributed & accumulation) = 64
• Gradient Accumulation steps = 8, Total optimization steps = 51
• 训练日志周期性输出 (每 logging_steps: 10 次迭代)：
  • {'loss': 1.4091, 'grad_norm': 1.0385..., 'learning_rate': 9.8063...e-05, 'epoch': 0.58}
  • {'loss': 1.0404, 'grad_norm': 0.6730..., 'learning_rate': 7.7959...e-05, 'epoch': 1.17}
  • {'loss': 0.9658, 'grad_norm': 0.4174..., 'learning_rate': 4.4773...e-05, 'epoch': 1.75}
  • {'loss': 0.9389, 'grad_norm': 0.3942..., 'learning_rate': 1.4033...e-05, 'epoch': 2.34}
  • {'loss': 0.894, 'grad_norm': 0.4427..., 'learning_rate': 1.2179...e-07, 'epoch': 2.92}
• 训练过程中反复出现 UserWarning: 1Torch was not compiled with memory efficient attention. (Triggered internally at /home/pytorch/aten/src/ATen/native/transformers/hip/sdp_utils.cpp:627.)

训练完成与模型保存

• Saving model checkpoint to saves/llama3-8b/lora/sft/checkpoint-51
• 最终训练指标 ***** train metrics *****：
  • epoch = 2.9781
  • train_loss = 1.0481
  • train_runtime = 0:04:56.32 (即 296.3281 秒)
  • train_samples_per_second = 11.045
  • train_steps_per_second = 0.172
  • Figure saved at: saves/llama3-8b/lora/sft/training_loss.png
• NCCL 通信器关闭，各进程资源清理。

三、模型推理测试

微调完成后，我们加载 LoRA 适配器进行推理测试。

1. 推理配置文件 (llama3_lora_sft.yaml for inference)

model_name_or_path: /root/.cache/modelscope/hub/models/LLM-Research/Meta-Llama-3-8B-Instruct
adapter_name_or_path: saves/llama3-8b/lora/sft # 加载微调后的 LoRA 适配器
template: llama3
infer_backend: huggingface # 推理后端
trust_remote_code: true

2. 启动推理

llamafactory-cli chat examples/inference/llama3_lora_sft.yaml

3. 推理过程关键日志输出与测试结果

模型加载

• 加载基础模型 Tokenizer, config (torch_dtype: "bfloat16", use_cache: true) 和权重 (model.safetensors.index.json, 4 个分片)。
• KV cache is enabled for faster generation.
• 再次出现 SDPA on ROCm 性能警告。
• 加载 LoRA 适配器：Loaded adapter(s): saves/llama3-8b/lora/sft。
• Merged 1 adapter(s).，确认 LoRA 权重已合并到基础模型。
• 加载后模型参数量 all params: 8,030,261,248。

交互测试结果

• User: plaintext 你是谁
• Assistant: 我是 {{name}}，由 {{author}} 训练的 AI 助手。我旨在为您提供帮助，回答问题和完成任务。
• 评析：输出中的 {{name}} 和 {{author}} 占位符，表明模型学习了微调数据 identity.json 中的模板格式。

四、模型导出

将微调后的 LoRA 权重与基础模型合并，并导出为独立模型。

1. 导出配置文件 (llama3_lora_sft.yaml for export)

### Note: DO NOT use quantized model or quantization_bit when merging lora adapters
### model
model_name_or_path: /root/.cache/modelscope/hub/models/LLM-Research/Meta-Llama-3-8B-Instruct
adapter_name_or_path: saves/llama3-8b/lora/sft
template: llama3
trust_remote_code: true
### export
export_dir: output/llama3_lora_sft # 导出目录
export_size: 5 # 模型分片大小上限 (GB)
export_device: cpu # 导出时使用的设备
export_legacy_format: false # 不使用旧格式，优先 safetensors

重要提示：配置文件中明确指出，合并 LoRA 适配器时不应使用已量化的模型。

2. 启动导出

llamafactory-cli export examples/merge_lora/llama3_lora_sft.yaml

3. 导出过程关键日志输出

• 加载基础模型 Tokenizer, config (torch_dtype: "bfloat16") 和权重 (4 个分片)。
• 加载 LoRA 适配器：Loaded adapter(s): saves/llama3-8b/lora/sft。
• Merged 1 adapter(s).，LoRA 权重与基础模型合并。
• Convert model dtype to: torch.bfloat16.
• 配置文件保存：Configuration saved in output/llama3_lora_sft/config.json 和 output/llama3_lora_sft/generation_config.json。
• 模型权重保存：The model is bigger than the maximum size per checkpoint (5GB) and is going to be split in 4 checkpoint shards. You can find where each parameters has been saved in the index located at output/llama3_lora_sft/model.safetensors.index.json. (根据配置 export_size: 5)
• Tokenizer 文件保存：tokenizer config file saved in output/llama3_lora_sft/tokenizer_config.json 和 special_tokens_map.json。
• 额外功能：Ollama modelfile saved in output/llama3_lora_sft/Modelfile。

五、总结与展望

本次实践完整地展示了使用 LLaMA Factory 在国产 DCU 平台上对 Llama 3 模型进行 LoRA 微调、推理和导出的流程。LLaMA Factory 凭借其清晰的配置和便捷的命令行工具，显著降低了 LLM 微调的门槛。通过对各阶段关键日志输出和测试信息的详细解读，我们可以更直观地把握模型在训练中的学习动态、在推理中的行为表现以及导出后的结构。