在腾讯云云服务器上推理及微调Qwen2-7B大语言模型

原创

buzzfrog

修改于 2024-07-02 20:25:27

210

修改于 2024-07-02 20:25:27

随着人工智能技术的迅速发展，大型预训练模型（LLMs）在各种语言、代码及数学问题解决方面展现出了巨大潜力。Qwen2系列模型的推出无疑为自然语言处理（NLP）和多语言理解带来了新的飞跃。今天，我们将深入探讨如何在腾讯云云服务器上部署和微调2024年6月推出的大型语言模型Qwen2中的Qwen2-7B，探索其强大的代码和数学能力、出色的多语言处理能力，加速您的AI项目进程。

什么是Qwen2-7B模型？

Qwen2系列模型以其先进的预训练技术和广泛的语言支持，为NLP领域的应用开启了新的可能性。特别是Qwen2-7B，凭借其7.07亿参数、优化的GQA机制、更长的上下文长度支持（达到128K tokens），以及在27种语言上表现的卓越能力，成为了当前最值得关注的大型语言模型之一。

购买腾讯云服务器

我在腾讯云CVM中购买了一台GPU计算型GN10X的服务器，其显存有32GB。详细配置见以上截图。

注意，在购买时，我选择了后台自动安装GPU驱动。第一次登录时，有较长时间的等待驱动、CUDA、CUDNN的安装过程。见下图。

可以通过 ssh ubuntu@{腾讯云CVM云服务器外网IP地址} 登录到腾讯云CVM云服务器中。

安装必要的依赖

通过apt安装相关依赖

sudo apt update
sudo apt install curl
sudo apt install python3-pip

通过pip安装相关依赖

pip install transformers -U
pip install modelscope
pip install vllm
pip install accelerate
pip install jinja2 -U
pip install jsonschema -U

下载Qwen2-7B模型

在~/Workspace目录下，创建一个文件qwen2.py，粘贴如下内容到此文件中。

from transformers import AutoModelForCausalLM, AutoTokenizer


device = "cuda" # the device to load the model onto

# Now you do not need to add "trust_remote_code=True"
model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen2-7B-Instruct",
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen2-7B-Instruct")

# Instead of using model.chat(), we directly use model.generate()
# But you need to use tokenizer.apply_chat_template() to format your inputs as shown below
prompt = "Give me a short introduction to large language model."
prompt = "上海天气怎么样？"
messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)

# Directly use generate() and tokenizer.decode() to get the output.
# Use `max_new_tokens` to control the maximum output length.
generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

print("response======>", str(response))

如果是在国内的服务器，建议第一行改为from modelscope import AutoModelForCausalLM, AutoTokenizer 。本文下述都是依赖于transformers而非modelscope，但流程基本类似。

执行此python3脚本文件，python3 qwen2.py。它会将依赖的模型下载到/home/ubuntu/.cache/huggingface/hub/models--Qwen--Qwen2-7B-Instruct中。

两次执行的结果略有不同。

使用vllm进行模型推理

在腾讯云云服务器的命令行中，通过以下命令，即可启动模型推理。

python3 -m vllm.entrypoints.openai.api_server --model /home/ubuntu/.cache/huggingface/hub/models--Qwen--Qwen2-7B-Instruct/snapshots/41c66b0be1c3081f13defc6bdf946c2ef240d6a6 --dtype=half

这样启动的模型占用显存大概24GB。

下载微调依赖

pip install deepspeed
pip install llamafactory
pip install click -U

微调Demo

这里使用llamafactory来微调Qwen2-7B，使用如下命令来启动webui。

llamafactory-cli webui

启动后，在本地浏览器使用 http://{腾讯云云服务器外网IP地址}:7860 来进入webui。注意，需要在腾讯云云服务器的安全组-入站规则中添加 TCP:7860 端口可入。

登录成功后，整体界面如下所示（我已经通过语言-zh切换到中文界面）。

这里我使用identity.json来做demo。这个示例，主要是用来训练模型对自我的名字以及作者的认知。

由于我的LLaMA-Factory源码安装在这个路径： /home/ubuntu/Workspace/LLaMA-Factory 。则在中文界面的配置如下所示：

点击【开始】按钮进行训练。

训练完成后，会显示“训练完毕。”。如下图所示。

训练好的模型在/home/ubuntu/Workspace/saves/Qwen2-7B/lora/train_2024-07-02-19-41-39中。见下图。

模型测试

接下来进行模型测试。

这里的训练后的模型的名字和作者分别是{{name}}和{{author}}，有两种处理方式，一种是训练前更新identity.json中的{{name}}和{{author}}。另外一种是接口调用时replace输出内容中的{{name}}和{{author}}。第二种方式更灵活一些，因此这里未对identity.json做预处理。

点击卸载模型将模型给卸载了。避免显存的持久占用。