引言
12月1日，通义千问再次宣布重磅开源，目前通义千问已推出1.8B、7B、14B、72B 四款不同尺寸的开源大语言模型。阿里云PAI灵骏智算服务，是面向大规模深度学习场景的智算产品，一站式提供异构算力底座及AI工程平台。本实践将展示如何基于阿里云PAI灵骏智算服务，进行通义千问的高效分布式预训练、指令微调、模型离线推理验证以及在线服务部署。
本文将以Qwen-7B为例展示基于Megatron-LM的训练流程，在保证模型效果和Huggingface对齐的前提下，支持了数据并行、算子拆分、流水并行、序列并行、选择性激活重算、Zero显存优化、BF16混合精度、梯度检查点、Flashattention等技术，可以大幅提升大模型分布式训练效率。该流程也适用于Qwen-14B和Qwen-72B模型。
资源开通和运行环境配置
阿里云PAI灵骏智算服务资源开通和管理请参考官网文档
https://help.aliyun.com/zh/pai/user-guide/create-and-manage-intelligent-computing-lingjun-resources
资源和配置推荐
模型参数量 |
全参数训练资源 |
推理资源（最低） |
Megatron训练模型切片 |
7B |
8*gu7xf、gu7ef |
1*V100-32G、1*A10-22G |
TP1、PP1 |
14B |
8*gu7xf、gu7ef |
2*V100-32G、2*A10-22G |
TP2、PP1 |
72B |
（4*8）*gu7xf、gu7ef |
6*V100-32G、2*gu7xf |
TP8、PP2 |
LLM统一镜像
请在用户自定义镜像栏填写统一镜像地址：
pai-image-manage-registry.cn-wulanchabu.cr.aliyuncs.com/pai/pytorch-training:1.12-ubuntu20.04-py3.10-cuda11.3-megatron-patch-llm
PAI-DSW单机交互式多人协同开发
DSW单机环境可以用来处理数据并测试单机多卡分布式程序。DSW是灵骏自带的交互式代码开发环境，集成了Jupyter，WebIDE，Terminal等开发工具。在LLM的训练过程中，DSW通常用于训练数据的处理，实际的大模型训练（预训练，微调等）在下一步阐述。点击“交互式建模（DSW）”进入DSW概览页，然后点击“创建实例”创建自己的DSW实例，进入DSW后，打开terminal，在/mnt/workspace/下面处理后续流程所需要的数据集。同时也可以在/mnt/workspace/下面存放训练代码。同时下载PAI-Megatron-Patch代码（注：PAI-Megatron-Patch是基于Nvidia原生Megatron-LM框架开发的开源大模型实现示例库，提供了主流开源大模型的Megatron-LM实现和训练/推理/评估脚本，下载链接见本文末尾的相关资料部分）到工作目录/mnt/workspace/下创建DSW实例，填写实例名称，选择资源组，填写统一镜像URL的实例，如下图所示。有几点需要额外注意：
- 内存至少需要1024GB
- CPU核数最大可用是96
- 共享内存需与内存保持一致
- GPU卡数至少为8
创建好DSW实例后，点击进入DSW工作空间准备开发
DLC运行分布式任务配置
DLC环境可以用来运行多机多卡分布式程序。在LLM的训练过程中，DLC通常用于大模型训练。点击“容器训练”进入dlc概览页，然后创建自己的dlc实例，填写任务名称，选择资源组，填写统一镜像URL的实例，如下图所示：
执行命令里填写运行分布式任务所需的信息（具体命令可见下文），如下图所示：
配置任务资源，然后提交job，注意CPU核数不能大于96。
同时，共享内存应与内存保持一致。
模型准备
下面分别给出从ModelScope社区，huggingface社区以及OSS对象存储下载Qwen-7b模型的指引：
- 从ModelScope社区下载模型
进入dsw工作空间，安装ModelScope：
# pip设置全局镜像与相关modelscope包安装 # pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/ pip install modelscope
Qwen-7b系列模型可通过ModelScope社区下载：
https://modelscope.cn/organization/qwen
进入python环境，根据上述列表中的模型名称、版本信息，通过如下代码实现模型下载，以及加载模型、tokenizer：
- 以下给出了7B模型的下载代码，14B和72B请参考上述表格中网页上的代码
# ### Loading Model and Tokenizer from modelscope.hub.snapshot_download import snapshot_download model_dir = snapshot_download('qwen/Qwen-7B', 'v1.1.4') # model_dir = snapshot_download('qwen/Qwen-14B', 'v1.1.4') # 获取下载路径 print(model_dir) # /root/.cache/modelscope/hub/qwen/Qwen-7B
退出python环境，将下载的ckpt移动到对应文件夹
mkdir -p /mnt/workspace/qwen-ckpts/${后缀为hf的ckpt文件夹} # mkdir -p /mnt/workspace/qwen-ckpts/qwen-7b-hf cp -r ${在此处填写获取的模型路径}/* /mnt/workspace/qwen-ckpts/${后缀为hf的ckpt文件夹} # cp -r /root/.cache/modelscope/hub/qwen/Qwen-7B/* /mnt/workspace/qwen-ckpts/qwen-7b-hf
- 用户还可以通过Huggingface来下载Qwen的模型（需要VPN），命令如下所示：
mkdir /mnt/workspace/qwen-ckpts cd /mnt/workspace/qwen-ckpts git clone https://huggingface.co/Qwen/Qwen-7B git clone https://huggingface.co/Qwen/Qwen-7B-Chat git clone https://huggingface.co/Qwen/Qwen-14B git clone https://huggingface.co/Qwen/Qwen-14B-Chat git clone https://huggingface.co/Qwen/Qwen-72B git clone https://huggingface.co/Qwen/Qwen-72B-Chat
- 用户还可以通过wget方式直接下载我们预先放置在oss对象存储系统上的qwen的模型，命令如下所示：
mkdir /mnt/workspace/qwen-ckpts cd /mnt/workspace/qwen-ckpts wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/qwen-ckpts/qwen-7b-hf-to-mg-tp1-pp1.tgz wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/qwen-ckpts/qwen-7b-hf.tgz
数据准备
建议在灵骏智算平台中的DSW实例中准备预训练数据，以下以中文wudao2.0数据集的准备流程为例，给出数据预处理指引：
下载WuDaoCorpora2.0开源数据集到/mnt/workspace/qwen-datasets工作目录下，我们提供了部分样例数据作为示例，用户可通过以下命令下载和解压：
wget https://atp-modelzoo.oss-cn-hangzhou.aliyuncs.com/release/datasets/WuDaoCorpus2.0_base_sample.tgz tar zxvf WuDaoCorpus2.0_base_sample.tgz
假设解压后的文件夹命名为wudao_200g，该文件夹中的原始wudao数据集的格式和大小如下截图所示：
我们为MegatronLM训练准备了数据预处理流程，您可以根据自己的需要选择不同的处理方式。
MegatronLM训练数据准备
mmap数据是一种预先执行tokenize处理的数据格式，可以极大减少训练微调过程中等待数据读入的时间，当数据量极大时，优势显著。
- 对Wudao数据执行数据集清洗并进行文件格式转换，具体流程可参考如下的bash脚本，最终生成汇总的merged_wudao_cleaned.json。
#! /bin/bash set -ex # 请在此处设置原始数据所在路径 data_dir=/mnt/workspace/qwen-datasets/wudao_200g #开始数据清洗流程 dataset_dir=$(dirname $data_dir) mkdir -p ${dataset_dir}/cleaned_wudao_dataset cd ${dataset_dir}/cleaned_wudao_dataset wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/llama2-codes/preprocess_wudao2.py # 此处与上一节不同，增加了key参数设为text python preprocess_wudao2.py -i ${data_dir} -o ${dataset_dir}/cleaned_wudao_dataset -k text -p 32 # 合并清洗后的数据 mkdir ${dataset_dir}/wudao cd ${dataset_dir}/wudao find ${dataset_dir}/cleaned_wudao_dataset -name "*.json" -exec cat {} + > ${dataset_dir}/wudao/merged_wudao_cleaned.json rm -rf ${dataset_dir}/cleaned_wudao_dataset
脚本执行完成后，qwen-datasets内部文件结构如下，新增一个wudao文件夹：
qwen-datasets ├── wudao_200g └── wudao └── merged_wudao_cleaned.json
- 利用第一节生成的merged_wudao_cleaned.json文件，将数据拆分成若干组并压缩，便于后续实现多线程处理：
apt-get update apt-get install zstd # 此处设置分块数为10，如数据处理慢可设置稍大 NUM_PIECE=10 # 对merged_wudao_cleaned.json文件进行处理 mkdir -p ${dataset_dir}/cleaned_zst/ # 查询数据总长度，对数据进行拆分 NUM=$(sed -n '$=' ${dataset_dir}/wudao/merged_wudao_cleaned.json) echo "total line of dataset is $NUM, data will be split into $NUM_PIECE pieces for processing" NUM=`expr $NUM / $NUM_PIECE` echo "each group is processing $NUM sample" split_dir=${dataset_dir}/split mkdir $split_dir split -l $NUM --numeric-suffixes --additional-suffix=.jsonl ${dataset_dir}/wudao/merged_wudao_cleaned.json $split_dir/ # 数据压缩 o_path=${dataset_dir}/cleaned_zst/ mkdir -p $o_path files=$(ls $split_dir/*.jsonl) for filename in $files do f=$(basename $filename) zstd -z $filename -o $o_path/$f.zst & done rm -rf $split_dir rm ${dataset_dir}/wudao/merged_wudao_cleaned.json
脚本执行完成后，qwen-datasets内部文件结构如下，新增一个cleaned_zst文件夹，每个子文件夹里有10个压缩文件：
qwen-datasets ├── wudao_200g ├── wudao └── cleaned_zst ├── 00.jsonl.zst │ ... └── 09.jsonl.zst
- 制作MMAP格式预训练数据集。
前往Pai-Megatron-Patch开源网站获取Megatron模型训练工具Pai-Megatron-Patch源代码并拷贝到工作目录/mnt/workspace/下。
# 开源网站获取训练代码 git clone --recurse-submodules https://github.com/alibaba/Pai-Megatron-Patch.git # wget获取训练代码 https://atp-modelzoo.oss-cn-hangzhou.aliyuncs.com/release/models/Pai-Megatron-Patch.tgz
在DSW的Terminal中进入代码目录：/mnt/workspace/Pai-Megatron-Patch/toolkits/pretrain_data_preprocessing。查看run_make_pretraining_dataset.sh脚本内容。里面有6个启动参数需要在运行时输入，具体参数列表如下：
MEGATRON_PATH=$1 # 设置开源Megatron的代码路径 MEGATRON_PATCH_PATH=$2 # 设置Megatron Patch的代码路径 input_data_dir=$3 # 打包后的wudao数据集的文件夹路径 tokenizer=$4 # qwenbpe output_data_dir=$5 # 输出到bin和idx文件目录 load_dir=$6 # tokenizer_config.json文件路径
运行示例如下所示：
# 安装qwen依赖的tokenizer库包 pip install tiktoken # 请在此处设置数据集路径和工作路径 export dataset_dir=/mnt/workspace/qwen-datasets export WORK_DIR=/mnt/workspace # 分别为训练集、验证集生成mmap格式预训练数据集 cd ${WORK_DIR}/Pai-Megatron-Patch/toolkits/pretrain_data_preprocessing bash run_make_pretraining_dataset.sh \ ../../Megatron-LM-23.04 \ ${WORK_DIR}/Pai-Megatron-Patch/ \ ${dataset_dir}/cleaned_zst/ \ qwenbpe \ ${dataset_dir}/wudao/ \ ${WORK_DIR}/qwen-ckpts/qwen-7b-hf rm -rf ${dataset_dir}/cleaned_zst
脚本执行完成后，qwen-datasets内部文件结构如下，wudao文件夹里有2个名字相同后缀不同的mmap文件：
qwen-datasets ├── wudao_200g └── wudao ├── wudao_qwenbpe_content_document.bin └── wudao_qwenbpe_content_document.idx
小规模预处理数据下载试用
为方便用户试用，我们也提供了已经处理好的小规模数据，可直接下载使用
cd /mnt/workspace/qwen-datasets wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/llama2-datasets/wudao_train.json wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/llama2-datasets/wudao_valid.json mkdir -p /mnt/workspace/qwen-datasets/wudao cd /mnt/workspace/qwen-datasets/wudao wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/qwen-datasets/wudao_qwenbpe_text_document.bin wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/qwen-datasets/wudao_qwenbpe_text_document.idx
Megatron训练流程
前往Pai-Megatron-Patch开源网站获取Megatron模型训练工具Pai-Megatron-Patch源代码并拷贝到工作目录/mnt/workspace/下。
# 开源网站获取训练代码 git clone --recurse-submodules https://github.com/alibaba/Pai-Megatron-Patch.git # wget获取训练代码 https://atp-modelzoo.oss-cn-hangzhou.aliyuncs.com/release/models/Pai-Megatron-Patch.tgz
模型格式转换
使用我们提供的模型转换脚本，将huggingface格式的模型文件转换为megatron格式：
MEGATRON_PATH=$1 # Megatron路径 SOURCE_CKPT_PATH=$2 # Megatron格式模型路径，具体到iter_* TARGET_CKPT_PATH=$3 # 转换为Huggingface格式模型后保存的路径 TP=$4 # 张量切片数量，与训练保持一致 PP=$5 # 流水切片数量，与训练保持一致 MN=$6 # 模型名称：qwen-7b,qwen-14b,qwen-72b EXTRA_VOCAB_SIZE=$7 # 额外词表大小 mg2hf=$8 # 是否为Megatron转Huggingface
以下是不同参数量下模型切片的推荐使用组合，在转换模型时需进行针对性修改：
模型参数量 |
Megatron训练模型切片 |
qwen-7b |
TP1、PP1 |
qwen-14b |
TP2、PP1 |
qwen-72b |
TP8、PP2 |
# 获取模型 cd /mnt/workspace/qwen-ckpts wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/qwen-ckpts/qwen-7b-hf.tgz tar -zxf qwen-7b-hf.tgz # 转换模型 cd /mnt/workspace/Pai-Megatron-Patch/toolkits/model_checkpoints_convertor/qwen sh model_convertor.sh \ ../../../Megatron-LM-main \ /mnt/workspace/qwen-ckpts/qwen-7b-hf \ /mnt/workspace/qwen-ckpts/qwen-7b-hf-to-megatron-tp1-pp1 \ 1 \ 1 \ qwen-7b \ 0 \ false
为方便用户试用，我们也提供了转好格式的模型，可直接下载使用：
cd /mnt/workspace/ mkdir qwen-ckpts cd qwen-ckpts wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/qwen-ckpts/qwen-7b-hf-to-mg-tp1-pp1.tgz tar -zxf qwen-7b-hf-to-mg-tp1-pp1.tgz
继续预训练
DSW调试继续预训练脚本
DSW的Terminal中运行run_pretrain_megatron_qwen.sh脚本，需要传入的参数列表如下
ENV=$1 # 运行环境: dlc, dsw MEGATRON_PATCH_PATH=$2 # 设置Megatron Patch的代码路径 MODEL_SIZE=$3 # 模型结构参数量级：7B, 14B, 72B BATCH_SIZE=$4 # 每卡训练一次迭代样本数: 4, 8 GLOBAL_BATCH_SIZE=$5 # 全局batch size LR=$6 # 学习率: 1e-5, 5e-5 MIN_LR=$7 # 最小学习率: 1e-6, 5e-6 SEQ_LEN=$8 # 序列长度 PAD_LEN=${9} # Padding长度：100 EXTRA_VOCAB_SIZE=${10} # 词表扩充大小 PR=${11} # 训练精度: fp16, bf16 TP=${12} # 模型并行度 PP=${13} # 流水并行度 AC=${14} # 激活检查点模式: sel, full DO=${15} # 是否使用Megatron版Zero-1降显存优化器: true, false FL=${16} # 是否使用Flash Attention: true, false SP=${17} # 是否使用序列并行: true, false TE=${18} # 是否开启Transformer-engine加速技术，需H800显卡 SAVE_INTERVAL=${19} # 保存ckpt的间隔 DATASET_PATH=${20} # 训练数据集路径 PRETRAIN_CHECKPOINT_PATH=${21} # 预训练模型路径 TRAIN_TOKENS=${22} # 训练token数 WARMUP_TOKENS=${23} # 预热token数 OUTPUT_BASEPATH=${24} # 训练输出文件路径
DSW单机运行示例如下：
注意：EXTRA_VOCAB_SIZE，7B使用85，14B和72B模型使用213
export WORK_DIR=/mnt/workspace cd ${WORK_DIR}/Pai-Megatron-Patch/examples/qwen sh run_pretrain_megatron_qwen.sh \ dsw \ ${WORK_DIR}/Pai-Megatron-Patch \ 7B \ 1 \ 8 \ 1e-5 \ 1e-6 \ 2048 \ 2048 \ 85 \ # 14B和72B模型填213 fp16 \ 1 \ 1 \ sel \ true \ false \ false \ false \ 100000 \ ${WORK_DIR}/qwen-datasets/wudao/wudao_qwenbpe_content_document \ ${WORK_DIR}/qwen-ckpts/qwen-7b-hf-to-megatron-tp1-pp1 \ 100000000 \ 10000 \ ${WORK_DIR}/output_megatron_qwen/
DLC启动分布式继续预训练任务
单机开发调试完成后，就可以在DLC环境中配置多机多卡分布式任务。注意设置正确的数据集挂载路径WORK_DIR以及运行环境ENV，使用和DSW相同的训练脚本run_pretrain_megatron_qwen.sh来运行
export WORK_DIR=/mnt/workspace cd ${WORK_DIR}/Pai-Megatron-Patch/examples/qwen sh run_pretrain_megatron_qwen.sh \ dlc \ ${WORK_DIR}/PAI-Megatron-Patch \ 7B \ 1 \ 8 \ 1e-5 \ 1e-6 \ 2048 \ 2048 \ 85 \ # 14B和72B模型填213 fp16 \ 1 \ 1 \ sel \ true \ false \ false \ false \ 100000 \ ${WORK_DIR}/qwen-datasets/wudao/wudao_qwenbpe_content_document \ ${WORK_DIR}/qwen-ckpts/qwen-7b-hf-to-megatron-tp1-pp1 \ 100000000 \ 10000 \ ${WORK_DIR}/output_megatron_qwen/
有监督微调
在微调开始之前，请跳转到“小规模预处理数据下载试用”章节获取json文件。
DSW调试微调脚本
DSW的Terminal中运行run_finetune_megatron_qwen_withGA.sh脚本，需要传入的参数列表如下
ENV=$1 # 运行环境: dlc, dsw MEGATRON_PATCH_PATH=$2 # 设置Megatron Patch的代码路径 MODEL_SIZE=$3 # 模型结构参数量级: 7B, 14B, 72B BATCH_SIZE=$4 # 每卡训练一次迭代样本数: 1, 2, 4, 8 GLOBAL_BATCH_SIZE=$5 # 微调总迭代样本：64, 96, 128 LR=$6 # 学习率: 1e-5, 5e-5 MIN_LR=$7 # 最小学习率: 1e-6, 5e-6 SEQ_LEN=$8 # 序列长度 PAD_LEN=$9 # Padding长度：100 EXTRA_VOCAB_SIZE=${10} # 词表扩充大小 PR=${11} # 训练精度: fp16, bf16 TP=${12} # 模型并行度 PP=${13} # 流水并行度 AC=${14} # 激活检查点模式: sel, full DO=${15} # 是否使用Megatron版Zero-1降显存优化器: true, false FL=${16} # 是否使用Flash Attention: true, false SP=${17} # 是否使用序列并行: true, false TE=${18} # 是否开启Transformer-engine加速技术，需H800显卡 SAVE_INTERVAL=${19} # 保存模型的步数 DATASET_PATH=${20} # 训练数据集路径 VALID_DATASET_PATH=${21} # 验证数据集路径 PRETRAIN_CHECKPOINT_PATH=${22} # 预训练模型路径 TRAIN_ITERS=${23} # 训练迭代轮次 LR_WARMUP_ITERS=${24} # 学习率增加值最大的步数 OUTPUT_BASEPATH=${25} # 训练输出文件路径
DSW单机运行示例如下：
注意：EXTRA_VOCAB_SIZE，7B使用85，14B和72B模型使用213
export WORK_DIR=/mnt/workspace cd ${WORK_DIR}/Pai-Megatron-Patch/examples/qwen sh run_finetune_megatron_qwen_withGA.sh \ dsw \ ${WORK_DIR}/Pai-Megatron-Patch \ 7B \ 1 \ 96 \ 1e-5 \ 1e-6 \ 2048 \ 2048 \ 85 \ # 14B和72B模型填213 bf16 \ 1 \ 1 \ sel \ true \ false \ false \ false \ 1000 ${WORK_DIR}/qwen-datasets/wudao_train.json \ ${WORK_DIR}/qwen-datasets/wudao_valid.json \ ${WORK_DIR}/qwen-ckpts/qwen-7b-hf-to-megatron-tp1-pp1 \ 2000 \ 10 \ ${WORK_DIR}/output_megatron_qwen/
PAI-DLC启动分布式微调任务
单机开发调试完成后，就可以在DLC环境中配置多机多卡分布式任务。注意设置正确的数据集挂载路径WORK_DIR以及运行环境ENV，使用和dsw相同的训练脚本run_finetune_megatron_qwen.sh来运行
export WORK_DIR=/mnt/workspace cd ${WORK_DIR}/Pai-Megatron-Patch/examples/qwen sh run_finetune_megatron_qwen_withGA.sh \ dlc \ ${WORK_DIR}/Pai-Megatron-Patch \ 7B \ 1 \ 96 \ 1e-5 \ 1e-6 \ 2048 \ 2048 \ 85 \ # 14B和72B模型填213 bf16 \ 1 \ 1 \ sel \ true \ false \ false \ false \ 1000 ${WORK_DIR}/qwen-datasets/wudao_train.json \ ${WORK_DIR}/qwen-datasets/wudao_valid.json \ ${WORK_DIR}/qwen-ckpts/qwen-7b-hf-to-megatron-tp1-pp1 \ 2000 \ 10 \ ${WORK_DIR}/output_megatron_qwen/
模型格式转换
训练完成的Megatron格式模型可以通过一下脚本转换为huggingface格式模型，方便使用huggingface和VLLM分别进行离线和在线推理。
注意：
- “路径
为
路径”为“{路径}”为“{WORK_DIR}/output_megatron_qwen/checkpoint/”目录下文件夹名称(训练时自动创建)，如“dlc-pretrain-megatron-gpt3-34B-lr-1e-6-bs-1-seqlen-2048-pr-bf16-tp-8-pp-1-ac-sel-do-true-sp-true-tt--wt-/”
- 如果使用预训练模型进行转换，需要删除模型路径下所有distrib_optim.pt文件
参数介绍
MEGATRON_PATH=$1 # Megatron路径 SOURCE_CKPT_PATH=$2 # Megatron格式模型路径，具体到iter_* TARGET_CKPT_PATH=$3 # 转换为Huggingface格式模型后保存的路径 TP=$4 # 张量切片数量，与训练保持一致 PP=$5 # 流水切片数量，与训练保持一致 MN=$6 # 模型名称：qwen-7b, qwen-14b, qwen-72b EXTRA_VOCAB_SIZE=$7 # 额外词表大小 mg2hf=$8 # 是否为Megatron转Huggingface
运行命令
export WORK_DIR=/mnt/workspace cd /mnt/workspace/Pai-Megatron-Patch/toolkits/model_checkpoints_convertor/qwen sh model_convertor.sh \ ../../../Megatron-LM-main \ ${WORK_DIR}/output_megatron_qwen/checkpoint/${路径}/iter_0001000 \ /mnt/workspace/qwen-ckpts/qwen-7b-mg-to-hf-tp1-pp1 \ 1 \ 1 \ qwen-7b \ 0 \ true
模型和tokenizer文件
- 将开源Huggingface模型文件夹路径下的.json、.py和.tiktoken文件拷贝至“/mnt/workspace/qwen-ckpts/qwen-7b-mg-to-hf-tp1-pp1”目录下，以保证模型可以正常使用。
模型离线推理
模型训练完成后，可以进行离线推理，评估模型效果。不同参数格式的模型可以使用HuggingFace和MegatronLM两种格式的推理链路。
HuggingFace推理
Huggingface离线推理。可以参考如下一些链接：
- Huggingface通用文本生成教学：https://huggingface.co/blog/how-to-generate
- Belle文本生成示例：https://huggingface.co/BelleGroup/BELLE-7B-2M
- Qwen文本生成示例：https://huggingface.co/Qwen/Qwen-14B-Chat
以下给出推理参考代码（代码来自Qwen：https://huggingface.co/Qwen/Qwen-14B-Chat）：
#!/usr/bin/env python #encoding=utf-8 from transformers import AutoTokenizer, LlamaTokenizer from transformers import LlamaForCausalLM import torch from transformers import AutoModelForCausalLM, AutoTokenizer checkpoint = '/mnt/workspace/latest/qianwen/qwen-7b-hf' print(checkpoint) device = "cuda" tokenizer = AutoTokenizer.from_pretrained(checkpoint, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(checkpoint,device_map="auto", trust_remote_code=True) prompt = f"Human:写一个快速排序算法" print(prompt) inputs = tokenizer.encode(p, return_tensors="pt").to(model.device) outputs = model.generate(inputs,max_new_tokens=512) print(tokenizer.decode(outputs[0]))
MegatronLM离线推理
对于MegatronLM训练的模型，可以直接用MegatronLM框架进行推理。
调试推理脚本
ENV=$1 # 运行环境: dlc, dsw MEGATRON_PATCH_PATH=$2 # 设置Megatron Patch的代码路径 CHECKPOINT_PATH=$3 # 模型微调阶段的模型保存路径 MODEL_SIZE=$4 # 模型结构参数量级: 7B, 14B, 72B TP=$5 # 模型并行度 BS=$6 # 每卡推理一次迭代样本数: 1, 4, 8 SEQ_LEN=$7 # 序列长度: 256, 512, 1024 PAD_LEN=$8 # PAD长度：需要将文本拼接到的长度 EXTRA_VOCAB_SIZE=${9} # 模型转换时增加的token数量 PR=${10} # 推理采用的精度: fp16, bf16 TOP_K=${11} # 采样策略中选择排在前面的候选词数量(0-n): 0, 5, 10, 20 INPUT_SEQ_LEN=${12} # 输入序列长度: 512 OUTPUT_SEQ_LEN=${13} # 输出序列长度: 256 INPUT_FILE=${14} # 需要推理的文本文件: input.txt, 每行为一个样本 OUTPUT_FILE=${15} # 推理输出的文件: output.txt # TOP_K和TOP_P必须有一个为0 TOP_P=${16} # 采样策略中选择排在前面的候选词百分比(0-1): 0, 0.85, 0.95 TEMPERATURE=${17} # 采样策略中温度惩罚: 1-n REPETITION_PENALTY=${18} # 避免生成是产生大量重复，可以设置为(1-2)默认为1.2
- 此处提供一个离线推理输出的文件，推理的数据组织形式需要与微调时的保持一致。
- 注意：
- 模型保存的路径下缺少tokenizer依赖的文件，需要将微调前模型路径下所有json和tiktoken文件拷贝至保存模型的路径下（位于{OUTPUT_BASEPATH }/checkpoint），与latest_checkpointed_iteration.txt同级。
- 以下有监督微调过程保存模型的推理代码，需要将run_text_generation_megatron_qwen.sh脚本中CUDA_VISIBLE_DEVICES参数设置为0；GPUS_PER_NODE参数设置为1；同时使用下列代码进行推理。此时使用单卡进行推理。注意：此处模型tp为1，可使用单卡推理；如果tp>1，则需使用相应卡数进行推理。
export WORK_DIR=/mnt/workspace cd ${WORK_DIR}/Pai-Megatron-Patch/examples/qwen bash run_text_generation_megatron_qwen.sh \ dsw \ ${WORK_DIR}/PAI-Megatron-Patch \ ../../../llama2-train \ 7B \ 1 \ 1 \ 1024 \ 1024 \ 85 \ # 14B和72B模型使用213 fp16 \ 10 \ 512 \ 512 \ ${WORK_DIR}/pred_input.jsonl \ ${WORK_DIR}/qwen_pred.txt \ 0 \ 1.0 \ 1.2
在线服务部署
完成离线推理并评估完模型效果以后，可以用PAI-EAS产品将模拟部署成在线服务。
准备工作
- 开通阿里云PAI服务，了解PAI-EAS基本概念；
- 相同region开通阿里云OSS服务，并创建用于存储模型文件的OSS bucket，将模型文件上传到相应目录；
部署步骤
准备PAI-EAS资源组
在PAI控制台->模型在线服务（EAS）->资源组，新建资源组，并购买合适规格的实例。 以7B参数规模的模型为例，使用fp16数值精度推理情况下，可以使用A10(24GB显存)或者V100(32GB显存)规格的单卡GPU实例进行部署。
部署方式一：使用PAI控制台页面
在PAI控制台->模型在线服务（EAS）->推理服务，选择“部署服务”，在新建服务界面配置如下信息：
- 服务名称：根据实际需求填写
- 部署方式：镜像部署服务
- 镜像选择：镜像地址，例如：
pai-image-manage-registry.cn-wulanchabu.cr.aliyuncs.com/pai/llm-inference:vllm-0.2.1-v4
注：目前镜像只支持乌兰察布
- 模型配置：选择保持模型文件的OSS路径(例如oss://my_bucket/qwen-7b)，并指定挂载后的路径(例如/qwen-7b)
- 运行命令：
nohup python -m fastchat.serve.controller > tmp1.log 2>&1 & python -m fastchat.serve.gradio_web_server_pai --model-list-mode reload > tmp2.log 2>&1 & python -m fastchat.serve.vllm_worker --model-path /mnt/model/qwen_7b --tensor-parallel-size 1 --trust-remote-code
注1: --tensor-parallel-size指的是模型张量切分的数量，需要根据GPU的卡数调整，7b模型在单卡就可以放下设置1，如72b模型需要4卡A800才可运行需要设置4
注2：运行命令的端口号应与服务配置的端口号一致
- 资源组种类：选择之前准备的资源组
- 实例数：根据模型和资源组情况填写(以7b模型为例，可以使用CPU：16，内存：64000MB，GPU：1)
确认信息正确后，点击“部署”。
部署方式二：使用命令行工具eascmd
参考 eascmd使用说明，安装并配置后，使用类似如下命令创建服务：
eascmd64 create ./service.json
配置文件service.json示例：
{ "name": "qwen_server", // 服务名称 "containers": [ { // 镜像和命令 "image": "pai-image-manage-registry.cn-wulanchabu.cr.aliyuncs.com/pai/llm-inference:vllm-0.2.1-v4", "command": "nohup python -m fastchat.serve.controller > tmp1.log 2>&1 & python -m fastchat.serve.gradio_web_server_pai --model-list-mode reload > tmp2.log 2>&1 & python -m fastchat.serve.vllm_worker --model-path /qwen-14b-chat --tensor-parallel-size 1 --trust-remote-code", "port": 7860 } ], "storage": [ { // 模型地址 "mount_path": "/qwen-7b", "oss": { "path": "oss://my-bucket/qwen-7b" } } ], "metadata": { "instance": 1, "memory": 64000, // 内存，单位是 MiB "cpu": 16, "gpu": 1, "enable_webservice": true, "resource": "eas-r-xxxxxx" // 资源组ID } }
管理服务
创建服务后，可以通过PAI控制台页面、或者eascmd命令行工具，查看服务状态。 注意：服务启动过程会进行下载镜像、加载模型等操作，需要等待一段时间。 在服务日志中可以看到详细的启动过程记录。
调用服务
点击查看webui应用，即可使用模型服务
相关资料
- 通义千问系列模型：https://modelscope.cn/organization/qwen
- 阿里云PAI灵骏智算服务：https://www.aliyun.com/product/bigdata/learn/pailingjun
- 阿里云PAI灵骏智算服务资源开通和管理文档：https://help.aliyun.com/zh/pai/user-guide/create-and-manage-intelligent-computing-lingjun-resources
- PAI-Megatron-Patch 项目开源地址：https://github.com/alibaba/Pai-Megatron-Patch
- 阿里云PAI-EAS模型在线服务：https://www.aliyun.com/product/bigdata/learn/eas
- eascmd使用文档：https://help.aliyun.com/zh/pai/user-guide/eascmd-client/
