Unsloth微调Llama3-8B，提速44%，节省42%显存，约需8GB显存

吃果冻不吐果冻皮 · 公众号 · · 2024-05-14 23:25

正文

【点击】加入大模型技术交流群

前言

本文主要介绍Unsloth，它可以显著提升大模型的训练速度，减少显存占用，我们将其整合到Firefly训练框架中，实现对Llama3、Llama2、Mistral、Gemma、Zephyr等模型训练的「降本增速」。

我们实测了Unsloth所带来的训练增益，对Llama3-8B进行QLoRA训练， 最少仅需7.75GB显存 ，这意味着我们可以在一张1080Ti上训练Llama3-8B，进一步降低了大模型训练的硬件门槛。 开启Unsloth后， Llama3-8B的训练速度可提升44.35%，训练时间可减少30.72%，显存占用可减少42.58% 。更详细的测试设置可参考第三节。

Firefly项目链接：

https://github.com/yangjianxin1/Firefly

Unsloth项目链接：

https://github.com/unslothai/unsloth

Unsloth简介

Unsloth是一个开源的大模型训练加速项目，使用OpenAI的Triton对模型的计算过程进行重写， 大幅提升模型的训练速度，降低训练中的显存占用 。 Unsloth能够保证重写后的模型计算的一致性，实现中不存在近似计算， 模型训练的精度损失为零 。 U nslo t h支持绝大多数主流的GPU设备，包括V100, T4, Titan V, RTX 20, 30, 40x, A100, H100, L40等，支持对LoRA和QLoRA的训练加速和高效显存管理，支持Flash Attention。

Unsloth对大模型的训练提升如下图所示。在一张A100上，使用QLoRA对不同的模型进行训练，Llama2-7B的训练速度是原来的1.87倍，显存占用减少39.3%，Mistral-7B 的训练速度是原来的1.88倍，显存占用减少65.9%。在无精度损失的前提下，Unsloth对大模型训练具有显著的「降本增速」作用，可谓是「免费的午餐」。

更重要的是，Unsloth与HuggingFace生态兼容，可以很容易将其与transformers、peft、trl等代码库进行结合，以实现模型的SFT与DPO，仅需修改模型的加载方式即可，无需对此前的训练代码进行过多的修改。Demo如下所示。

from unsloth import FastLanguageModelimport torchfrom trl import SFTTrainerfrom transformers import TrainingArgumentsfrom datasets import load_datasetmax_seq_length = 2048 # Supports RoPE Scaling interally, so choose any!# Get LAION dataseturl = "https://huggingface.co/datasets/laion/OIG/resolve/main/unified_chip2.jsonl"dataset = load_dataset("json", data_files = {"train" : url}, split = "train")
# 4bit pre quantized models we support for 4x faster downloading + no OOMs.fourbit_models = [    "unsloth/mistral-7b-bnb-4bit",    "unsloth/mistral-7b-instruct-v0.2-bnb-4bit",    "unsloth/llama-2-7b-bnb-4bit",    "unsloth/gemma-7b-bnb-4bit",    "unsloth/gemma-7b-it-bnb-4bit", # Instruct version of Gemma 7b    "unsloth/gemma-2b-bnb-4bit",    "unsloth/gemma-2b-it-bnb-4bit", # Instruct version of Gemma 2b    "unsloth/llama-3-8b-bnb-4bit", # [NEW] 15 Trillion token Llama-3    "unsloth/Phi-3-mini-4k-instruct-bnb-4bit",] # More models at https://huggingface.co/unsloth
model, tokenizer = FastLanguageModel.from_pretrained(    model_name = "unsloth/llama-3-8b-bnb-4bit",    max_seq_length = max_seq_length,    dtype = None,    load_in_4bit = True,)
# Do model patching and add fast LoRA weightsmodel = FastLanguageModel.get_peft_model(    model,    r = 16,    target_modules = ["q_proj", "k_proj", "v_proj", "o_proj",                      "gate_proj", "up_proj", "down_proj",],    lora_alpha = 16,    lora_dropout = 0, # Supports any, but = 0 is optimized    bias = "none",    # Supports any, but = "none" is optimized    # [NEW] "unsloth" uses 30% less VRAM, fits 2x larger batch sizes!    use_gradient_checkpointing = "unsloth", # True or "unsloth" for very long context    random_state = 3407,    max_seq_length = max_seq_length,    use_rslora = False,  # We support rank stabilized LoRA    loftq_config = None, # And LoftQ)
trainer = SFTTrainer(    model = model,    train_dataset = dataset,    dataset_text_field = "text",    max_seq_length = max_seq_length,    tokenizer = tokenizer,    args = TrainingArguments(        per_device_train_batch_size = 2,        gradient_accumulation_steps = 4,        warmup_steps = 10,        max_steps = 60,        fp16 = not torch.cuda.is_bf16_supported(),        bf16 = torch.cuda.is_bf16_supported(),        logging_steps = 1,        output_dir = "outputs",        optim = "adamw_8bit",        seed = 3407,    ),)trainer.train()

尚未开源的 Unsloth Pro与Max版本，有着更强劲的训练效率的提升。

目前开源版本的Unsloth， 仅支持单机单卡训练 ，且仅支持Llama2、Llama3 、 Mistral、Gemma、Zephyr、TinyLlama、 Phi-3 等模型。遗憾的是， Qwen2并不在Unsloth的支持列表中 ，该需求在Unsloth的issue中也被频繁提及。

Unsloth官方在短期内暂时没有支持Qwen2的计划，更多的是建议用户将Qwen2的权重进行Llama化，然后采用Llama的训练方式。但对Qwen2的权重进行Llama化后，模型性能有显著的下降。对于该问题， Firefly项目组也正在进行尝试，希望能够使Unsloth原生支持Qwen2，目前处于测试阶段，敬请期待 。

Unsloth实践 & 测试

拉取Firefly代码库：

git clone https://github.com/yangjianxin1/Firefly.git

在Firefly中启动Unsloth训练Llama3

Unsloth微调Llama3-8B，提速44%，节省42%显存，约需8GB显存

正文

【点击】 加入大模型技术交流群 (adsbygoogle = window.adsbygoogle || []).push({});

请到「今天看啥」查看全文

【点击】加入大模型技术交流群