基于 SFT 微调 Llama2 实现自我认知

由于 Llama2 本身的中文对齐较弱，这里没有直接使用 meta-llama/Llama-2-7b 而是使用 LinkSoul/Chinese-Llama-2-7b 进行微调，微调方法是类似的，感兴趣的可以基于 meta-llama/Llama-2-7b 进行微调。下面详细介绍一下微调的步骤。

三、SFT 微调

1、下载预训练模型

在 HuggingFace 上面搜索模型名称，可以看到下载模型的方式如下：

新建一个 models 文件夹用来存放下载的大模型，使用下面的命令下载预训练模型：

# 在当前目录新建一个 models 文件夹用来存放大模型
mkdir models
# 使用下面的命令下载模型，模型比较大，下载过程较缓慢，
git lfs install
git clone https://huggingface.co/LinkSoul/Chinese-Llama-2-7b

# 设置下面的环境变量，则不会下载大文件，只会下载小文件
export GIT_LFS_SKIP_SMUDGE=1

2、下载微调框架

使用如下命令，在当前目录下载微调框架 LLaMA-Efficient-Tuning：

git clone https://github.com/hiyouga/LLaMA-Efficient-Tuning.git

进入 LLaMA-Efficient-Tuning 目录：

cd LLaMA-Efficient-Tuning

3、准备微调数据

进入微调框架 LLaMA-Efficient-Tuning 目录后，找到存放微调数据的 data 目录，如下所示：

我们可以查看一下 self_cognition.json 自我认知文件内容如下：

可以看到 <NAME> 和 <AUTHOR> 是占位符，我们只需要复制一份文件，将对应的占位符替换为需要的名称即可。复制一份文件是为了自我认知的模版文件可复用，我替换后的文件内容如下，你可以改成自己的名字：

微调数据准备好了后，需要在 dataset_info.json 中配置如下：

{
	"self_cognition": {
    "file_name": "self_cognition.json",
    "file_sha1": "6287a730ada924fc5d9eadc6d8f865e01b7a6f67"
  }
}

dataset_info.json 文件会被转换为 python 的字典，self_cognition 就是字典的 key，在微调的时候需要指定的数据集名称就是该 key，file_sha1 文件的摘要可以不填，file_name 就是微调文件的名称，如果该微调文件在 data 目录中，则直接指定名称即可，如果在 data 目录的子目录中，则需要指定子目录的名字，举例如下：

4、开始 SFT 微调

微调数据准备好后就可以开始执行微调了，使用如下命令进行微调：

CUDA_VISIBLE_DEVICES=0 python src/train_bash.py \
    --stage sft \
    --do_train \
    --dataset self_cognition \
    --model_name_or_path /ossfs/workspace/models/Chinese-Llama-2-7b \
    --output_dir /ossfs/workspace/llama2-sft/checkpoint-01 \
    --template default \
    --finetuning_type lora \
    --lora_target q_proj,v_proj \
    --overwrite_cache \
    --per_device_train_batch_size 4 \
    --gradient_accumulation_steps 4 \
    --lr_scheduler_type cosine \
    --logging_steps 10 \
    --save_steps 2000 \
    --learning_rate 1e-3 \
    --num_train_epochs 10.0 \
    --plot_loss \
    --fp16

下面是对这个大模型训练命令中各个参数的详细解释：

• --stage sft: 训练阶段。这里指定为 sft，表示进行模型的微调（Self-Supervised Fine-Tuning）阶段。
• --do_train: 是否进行训练，设置为 True 表示进行训练。还可以设置为（--do_eval：表示评估，--do_predict：表示预测）
• --dataset self_cognition: 数据集名称。这里指定为 self_cognition，表示使用自我认知数据集。
• --model_name_or_path: 预训练模型的名称或路径。这里指定为 /ossfs/workspace/models/Chinese-Llama-2-7b，表示加载路径下的预训练模型。
• --output_dir: 训练输出目录。训练过程中生成的模型和日志将保存在该目录下。
• --template default: 模板名称。这里指定为 default，表示使用默认模板。
• --finetuning_type lora: 微调类型。这里指定为 lora，表示使用 LoRA（Low-Rank Adaptation）微调方法。
• --lora_target q_proj,v_proj: LoRA 微调的目标层。这里指定为 q_proj, v_proj，表示只对这两个层进行微调。
• --overwrite_cache: 是否覆盖缓存。设置为 True 表示覆盖缓存。
• --per_device_train_batch_size 4: 每个设备的训练批次大小。这里指定为 4，表示每个设备上的训练批次大小为 4。
• --gradient_accumulation_steps 4: 梯度累积步数。这里指定为 4，表示每 4 个步骤累积一次梯度。
• --lr_scheduler_type cosine: 学习率调度器类型。这里指定为 cosine，表示使用余弦学习率调度器。
• --logging_steps 10: 日志记录步数。每训练多少步记录一次训练日志。
• --save_steps 2000: 模型保存步数。每训练多少步保存一次模型。
• --learning_rate 1e-3: 学习率。这里指定为 1e-3，表示初始学习率为 0.001。
• --num_train_epochs 10.0: 训练轮数。这里指定为 10.0，表示进行 10 轮训练。
• --plot_loss: 是否绘制损失曲线。设置为 True 表示绘制损失曲线。
• --fp16: 是否使用混合精度（half-precision）训练。设置为 True 表示使用混合精度训练。

以上是对该大模型训练命令中各个参数的解释。根据需求，可以根据实际情况进行相应参数的修改。不同的参数设置会对训练过程和结果产生影响，需要根据具体任务和数据集进行调整。

微调过程比较耗时，需要耐心等待。

启动微调命令后，输出日志如下，需要用户输入是否需要 wandb (一个深度学习轻量级可视化工具) 将训练结果可视化，我这里选择不可视化训练结果。

微调命令结束后可以看到如下日志输出，从日志中可以看到微调后的模型 checkpoint 的位置、损失曲线的信息以及训练的汇总信息：

查看损失曲线：

损失曲线图像解读：

在大模型训练过程中，train loss 图像是指每个训练批次的损失值随训练轮次的变化情况。这个图像可以用来解读训练过程中模型的收敛情况和学习进展。

train loss 图像的纵轴表示损失值，横轴表示训练轮次或训练批次。通常，初始阶段的损失值较高，随着训练的进行，损失值会逐渐下降。如果损失值趋向于稳定，说明模型已经收敛，训练效果良好。如果损失值下降很慢，可能需要更多的训练轮次或调整模型超参数。如果损失值波动较大，可能存在过拟合或其他问题，需要进一步调整模型或数据。

解读 train loss 图像时，可以观察以下几个方面：

1. 初始阶段的损失值高低，较高的初始损失值可能表明模型初始化不合适，需要调整初始化方法。
2. 损失值下降的速率，较快的下降速率可能表明模型对数据的学习能力较强，但也可能存在过拟合的风险。
3. 损失值的稳定性，稳定的损失值说明模型已经收敛，训练效果较好。如果损失值在一定范围内波动，可以考虑增加训练轮次或使用正则化等方法进一步优化模型。
4. 训练过程中的异常情况，如损失值突然上升或跳跃，可能表明出现了问题，需要检查模型或数据是否存在异常。

总之，train loss 图像可以提供对模型训练过程的直观理解，帮助调整模型和优化训练策略，以达到更好的训练效果。

train loss 的值下降到什么范围表示模型的训练效果较好？

train loss 的值下降到一个较低的范围可以表示模型的训练效果较好。具体的判断标准可以根据具体的任务和数据集来确定，没有一个统一的阈值。

一种常见的做法是观察 train loss 图像的趋势，如果随着训练的进行，train loss 不断下降并趋于稳定，说明模型对训练数据的拟合效果较好，训练效果较好。

此外，可以根据验证集的表现来评估模型的训练效果。如果验证集的损失值也在下降并趋于稳定，且与训练集的损失值相近，说明模型在训练集和验证集上都能取得较好的效果，训练效果较好。

需要注意的是，train loss 仅仅是一个指标，不能完全代表模型的训练效果。还需要综合考虑模型在其他指标上的表现，如准确率、精确率、召回率等，以及在实际应用场景中的效果。

5、测试微调后的模型

微调框架 LLaMA-Efficient-Tuning 中提供了三种测试使用微调模型的方式，如下所示：

• api_demo.py：使用 api 的方式调用微调模型
• cli_demo.py：在命令行中调用微调模型
• web_demo.py：在 web 页面中调用微调模型

由于服务器没有外网访问的地址，所以使用 cli_demo.py 命令行的方式手动测试微调后的模型，启动命令如下：

CUDA_VISIBLE_DEVICES=0 python src/cli_demo.py \
    --model_name_or_path /ossfs/workspace/models/Chinese-Llama-2-7b \
    --checkpoint_dir /ossfs/workspace/llama2-sft/checkpoint-01\
    --template llama2

查看 cli_demo.py 源码，调用了 ChatModel.stream_chat(query, history)，ChatModel 的构造方法中调用了 get_infer_args(args)。

get_infer_args(args) 如下所示，可以看到只有 LoRA 的微调支持指定多个 checkpoint：

在模型参数中可以看到指定 checkpoint_dir 时可以使用 , 分隔多个 checkpoint：

所以如果你使用 LoRA 进行微调，那么当有多个微调任务，生成多个 checkpoint 时，多个 checkpoint 可以使用 , 分隔，假设你微调了两个 checkpoint：/ossfs/workspace/llama2-sft/checkpoint-01 和 /ossfs/workspace/llama2-sft/checkpoint-02，那么你可以使用下面的命令测试两个微调后的模型：

CUDA_VISIBLE_DEVICES=0 python src/cli_demo.py \
    --model_name_or_path /ossfs/workspace/models/Chinese-Llama-2-7b \
    --checkpoint_dir /ossfs/workspace/llama2-sft/checkpoint-01,/ossfs/workspace/llama2-sft/checkpoint-02\
    --template default

因为我这里只微调了自我认知，并且将在微调的时候指定 --output_dir /ossfs/workspace/llama2-sft/checkpoint-01，所以使用下面的命令来测试微调后的模型即可：

CUDA_VISIBLE_DEVICES=0 python src/cli_demo.py \
    --model_name_or_path /ossfs/workspace/models/Chinese-Llama-2-7b \
    --checkpoint_dir /ossfs/workspace/llama2-sft/checkpoint-01\
    --template default

运行测试命令需要再次加载模型，比较耗时，需要耐心等待，运行成功后可以看到如下输出：

接下来就可以问一些自我认知的问题进行验证了：

6、导出微调后的模型

经过前面的微调，如果微调后的模型通过了测试就可以将微调后的模型导出，使用如下命令即可：

CUDA_VISIBLE_DEVICES=0 python src/export_model.py \
    --model_name_or_path /ossfs/workspace/models/Chinese-Llama-2-7b \
    --checkpoint_dir /ossfs/workspace/llama2-sft/checkpoint-01\
    --output_dir /ossfs/workspace/sft-models/my-llama5 \
    --template default

这里使用 --output_dir 将模型导出到 /ossfs/workspace/sft-models/my-llama5 目录中，可以看到目录中包括如下内容：

7、微调模型提供 RESTful API 接口

经过前面的步骤，我们已经将自己微调后的模型导出了，现在我们可以使用 FastChat 将模型发布为 OpenAI 兼容的 RESTful API 以便外部服务使用。

FastChat 为其支持的模型提供与 OpenAI 兼容的 API，因此您可以使用 FastChat 作为 OpenAI API 的本地直接替代品。FastChat 服务器与 openai-python 库和 cURL 命令兼容。

支持以下 OpenAI API：

• Chat Completions
• Completions
• Embeddings

RESTful API 服务器

首先，启动控制器

python3 -m fastchat.serve.controller

运行命令输出内容如下：

然后，启动模型，通过 --model-path 指定模型的路径，这里我们指定前面微调后的模型路径 /ossfs/workspace/sft-models/my-llama5

python3 -m fastchat.serve.model_worker --model-path /ossfs/workspace/sft-models/my-llama5

运行命令输出内容如下：

最后，启动 RESTful API 服务器

python3 -m fastchat.serve.openai_api_server --host localhost --port 8000

运行命令输出内容如下：

现在，让我们测试 API 服务器。

OpenAI 官方 SDK

目标 openai_api_server.py 是实现一个完全兼容 OpenAI 的 API 服务器，因此模型可以直接与 openai-python 库一起使用。

首先，安装 openai-python：

pip install --upgrade openai

然后使用下面的代码与模型进行测试：

import openai
# to get proper authentication, make sure to use a valid key that's listed in
# the --api-keys flag. if no flag value is provided, the `api_key` will be ignored.
openai.api_key = "EMPTY"
openai.api_base = "http://localhost:8000/v1"

# 这里指定微调的模型名字，也就是保存模型文件的文件夹名称
model = "my-llama5"

# create a chat completion
completion = openai.ChatCompletion.create(
  model=model,
  messages=[{"role": "user", "content": "你是谁"}]
)
# print the completion
print(completion.choices[0].message.content)

在 jupyterlab 中运行上面的代码，输出结果如下：

8、微调模型和本地知识库整合

因为后面打算学习了解一下将大模型和知识库整合，所以我这里先使用本地知识库问答应用框架 LangChain-Chatchat 和微调后的模型整合。下面我先简单介绍一下整合的步骤。

首先下载 Langchain-Chatchat，使用如下命令：

git clone https://github.com/chatchat-space/Langchain-Chatchat.git

进入 Langchain-Chatchat，使用下面的命令安装 python 依赖库：

cd Langchain-Chatchat
pip install -r requirements.txt
pip install -r requirements_api.txt

使用下面的命令复制一份配置文件：

cp configs/model_config.py.example configs/model_config.py

如下所示：

在 model_config.py 配置文件需要修改如下内容，在 llm_model_dict 指定模型的地址，并且设置 LLM_MODEL 的名称和 llm_model_dict 的 key 对应：

llm_model_dict = {
    "llama2": {
        "local_model_path": "/ossfs/workspace/sft-models/my-llama5",
        "api_base_url": "http://localhost:8888/v1",  # 修改为 fastchat 服务中的"api_base_url"
        "api_key": "EMPTY"
    }
}

# LLM 名称
LLM_MODEL = "llama2"

接下来就可以使用下面的命令启动 llm_api.py：

python server/llm_api.py

启动成功后可以使用下面的代码在 jupyterlab 中进行验证：

# 服务启动后接口调用示例：
import openai
openai.api_key = "EMPTY" # Not support yet
openai.api_base = "http://localhost:8888/v1"

model = "llama2"

def get_answer(content):
    # create a chat completion
    completion = openai.ChatCompletion.create(
      model=model,
      messages=[{"role": "user", "content": content}]
    )
    print('用户:', content)
    # print the completion
    print('模型:', completion.choices[0].message.content)

get_answer('你是谁')
get_answer('你叫什么名字')

验证输出结果如下：

四、常见问题与优化建议

1. 显存不足（OOM）

如果在训练过程中遇到 OOM 错误，可以尝试以下方法：

• 减小 --per_device_train_batch_size。
• 增大 --gradient_accumulation_steps 以保持有效 batch size。
• 使用 --bf16 代替 --fp16（如果硬件支持）以节省显存。
• 启用 --flash_attention_2（如果环境支持）以提高效率。

2. 损失不下降

如果训练过程中 loss 不下降，可能是以下原因：

• 学习率过高，尝试降低 --learning_rate。
• 数据质量差，检查 self_cognition.json 格式是否正确。
• 模型未正确加载，确认 --model_name_or_path 路径无误。

3. 推理速度慢

导出模型后，如果需要部署到生产环境，建议考虑：

• 使用量化技术（如 INT8/INT4）减少模型体积。
• 使用 vLLM 等高性能推理引擎替代原生 FastChat。
• 开启 Tensor Parallelism 在多卡环境下加速推理。

五、总结

本文详细介绍了利用 SFT 技术微调 Llama2 模型以实现特定自我认知的完整流程。从环境搭建、数据准备、模型训练到导出及 API 服务化，涵盖了大模型垂直应用开发的核心环节。通过 LoRA 高效微调，可以在有限的计算资源下实现模型能力的定向增强。后续可结合 RAG 技术进一步提升模型在特定领域的知识问答能力。