Tips: 图片完全由AI生成

LLM-Dojo使用简洁且易阅读的代码构建模型训练、RLHF框架等各种功能,使项目易于学习且方便魔改与实验,与大多开源框架相同均是基于huggingface。 主要内容如下:

• SFT训练框架: 简洁清晰的开源大模型训练框架,支持Deepspeed多卡、Lora、QLora、全参等训练,自动适配chat template。
• RLHF框架: RLHF训练框架,持续更新,包括 知识蒸馏,DPO、RLOO、SimPO等各种强化学习方法,适配Deepspeed多卡及Lora,一张A100即可运行,详情可见: RLHF。
• 最新LLM tricks详解: 持续更新大模型领域最新tricks介绍,包括新论文方法的复现等,希望可以给你一些创新的想法,该模块主要集中在llm_tricks文件夹下。

• 项目简介
• Latest News
• RLHF训练框架
  • 已支持RLHF方法
  • 知识蒸馏
  • 拒绝采样
• SFT训练框架
  • 已支持微调模型
  • 训练数据格式说明
  • 适配框架数据处理
  • Quick Start
• Tricks
  • 技术发文
• 致谢

• [2024年11月06日] 增加RLHF KTO训练方法
• [2024年11月06日] 重构RLHF,具体可见目录中RLHF训练框架部分
• [2024年10月31日] 添加auto_adapt参数控制是否自动适配template、更新优化DPO训练(迁移至RLHF目录下)
• [2024年10月15日] 增加知识蒸馏训练方法。可见知识蒸馏
• [2024年10月14日] 删除chat template模块,因为使用tokenizer的apply_chat_template即可
• [2024年09月20日] 增加evaluate模块,一个简洁的模型评测框架,目前仅支持Humaneval。可见Evaluate
• [2024年08月27日] 🤓增加从零实现自己编写DPO、SimPO代码,包括数据、loss、训练等部分。可见DPO example
• [2024年08月08日] 支持直接修改配置文件启动及命令行启动,增加框架适配数据处理代码。

RLHF训练框架,支持并持续更新 知识蒸馏、Reward、PPO、DPO、RLOO、SimPO、KTO等各种强化学习方法,适配Deepspeed多卡及Lora,一张A100即可运行。 详情可见: RLHF。

主要包括三类:

1、RLHF

2、Knowledge Distillation (知识蒸馏)

3、Rejected Sampling (拒绝采样) :待更新

理论上支持对所有模型的微调,下述仅为测试过。

支持基于Deepspeed的多卡/单卡 Lora、Qlora、Dora微调:

• Qwen(Qwen1.5/Qwen2)
• Yi
• Gemma系列
• Phi-3
• Deepseek
• MiniCPM
• Llama系列
• deepseek-coder
• 哔哩哔哩 Index-1.9B
• baichuan系列
• GLM系列

SFT数据格式为user(system) assistant标准模式,无需指定单轮或多轮,训练根据数据自行判断单轮或多轮。

示例如下,示例文件可参见data/sft_data.jsonl:

{"message": [{"role": "system", "content": "You are a friendly chatbot who always responds in the style of a pirate"},{"role": "user", "content": "How many helicopters can a human eat in one sitting"},{"role": "assistant", "content": "Sure! Here are some ways to eat bananas and dragonfruits together"},{"role": "user", "content": "你好"},{"role": "assistant", "content": "hellow"}]}

可根据需求自行决定是否增加system字段,建议训练数据没有特殊需求可删除system字段

训练参数中auto_adapt参数控制是否自动适配template,如设置为False,则不自动适配,按原始的content进行训练。

鉴于框架指定格式数据可能会跟常规数据有些不同,故可以通过utils/script/generate_data.py文件进行处理,输入应为正常的instruction和output的jsonl格式文件, 如下:

{"instruction":"将这个句子改写成将来时态:"太阳将会照耀明亮。"","output":"太阳将会散发温暖的光芒。"}

运行后即可得到无system的user、assistant指定格式。

目前支持直接python命令单卡训练、deepspeed(推荐使用)单机多卡及单机单卡训练. 所有方式均支持Qlora、Lora、Dora方法。

1、 支持命令行传参启动,启动示例可见: run_example.sh。 相关参数在train_args下的common_args.py和sft/base.py。

bash run_example.sh

2、 也支持参数文件直接修改默认值,改好参数后运行以下命令启动:

deepspeed --include localhost:6,7 main_train.py

更详细的Deepspeed原理及解释可以看文章:Deepspeed配置及使用讲解

显存占用测试如下:

所有相关的trciks及讲解都在llm_tricks文件夹下

• Dora代码讲解(llm_tricks/dora/READEME.md)
• Lora+微调代码实例
• 从零实现MOE
• 从零实现DPO
• 从零实现Transformer

项目学习了优秀开源项目,感谢huggingface、流萤等及一些国内外小伙伴的开源项目。

LLM Dojo 期待你的加入。🪂 无论是提出问题(Issue)还是贡献代码(Pull Request),都是对项目的巨大支持。