大模型干货 | 如何使用Unsloth框架对Llama进行微调？

本文来源于布博士----擎创科技产品解决方案专家

今年4月份，Meta 公司发布了功能强大的大型语言模型（LLM）Llama-3，为从事各种 NLP 任务的开发人员提供了功能强大可以在普通机器上运行的开源LLM。然而，传统的 LLM 微调过程既耗时又耗费资源。但是，Unsloth 的出现改变了这一局面，大大加快了 Llama-3 的微调速度。

所以，本文将详细如何使用Unsloth框架进行LLaMA 3.1-8B模型的微调，帮助快速构建微调环境，并了解微调流程的基本步骤。内容比较详尽，适合新手小白学习。

如果大家觉得本文有帮助到你，希望可以动动小手给博主来一个一键三连，感谢大家鼓励~

一、什么是Unsloth

Unsloth是一个开源的大模型训练加速项目，旨在显著提升大模型的训练速度和减少显存占用。它的优势包括：

• 提升训练速度：最高可达5倍，Unsloth Pro版本甚至可以达到30倍。

• 减少显存占用：最大可减少80%的显存占用。

• 广泛兼容性：与HuggingFace生态兼容，支持多种主流GPU设备。

二、如何在Windows上安装Unsloth

刚开始，我在Windows 11环境下安装并运行了Unsloth，安装过程顺利，但在模型微调过程中遇到了各种错误，尽管大部分问题都通过逐一解决了，但一些关键的GPU加速库仍然无法正常运行，因为这些库要求在Linux系统上才能正常运行并充分发挥其性能。

由于对Linux系统不够熟悉，尝试通过编译工具在Windows上重新编译这些库，但依然行不通。最终，选择通过Windows上的WSL（Windows Subsystem for Linux）安装Ubuntu的方式来解决这些兼容性问题。这样既避免了完全切换到Linux的麻烦，又能够使用Linux环境来进行模型微调。

Step1：通过WSL安装UBUNTU

如果是Linux操作系统（建议使用Ubuntu），可以跳过这一部分内容，直接进入后续步骤。同时，确保在Linux系统上安装了显卡驱动，以便正常使用GPU进行加速。

如果在Windows上通过WSL安装Ubuntu，由于WSL是一种虚拟化技术，您无需在WSL的Ubuntu系统中再次安装显卡驱动。只要Windows宿主机上已经正确安装并配置了显卡驱动，WSL内的Ubuntu系统将自动使用这些驱动配置，支持GPU加速。

windows11系统下，进入命令行工具，执行如下指令，即可快速安装完Ubuntu：

wsl -install

从windows中进入Ubuntu系统，同样需要打开命令行，执行如下指令：

wsl -d ubuntu

初次登录，会要求输入一个新的用户名、密码：

后续登录系统，会直接进入，而不必每次都输入用户名和密码：

(base) C:\Users\username>wsl -d ubuntu 
wsl: 检测到 localhost 代理配置，但未镜像到 WSL。NAT 模式下的 WSL 不支持 localhost 代理。 (base) root@WANG***-4090:/mnt/c/Users/username#

Step2：升级系统相关组件

安装完ubuntu系统后，需要对相关的组件进行升级：

apt-get update 
apt-get install -y curl 
apt-get install -y sudo 
apt-get install -y gpg

Step3：安装Anaconda

建议安装Anaconda，安装相关的python包会非常方便，同时也便于对python环境进行管理。

wget https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh 
sudo sh Anaconda3-2024.06-1-Linux-x86_64.sh

建议的安装目录：

/home/userName/anaconda3

安装完成之后需要手动将其加入到环境变量中。需要在~/.bashrc的文件尾部增加如下内容：

export PATH="/home/wangjye/anaconda3/bin:$PATH"

Step4：安装CUDA

这是最容易出错的过程，如果已经安装完驱动了，则需要在WINDOWS宿主机上运行命令 nvidia-smi 来查看硬件支持的CUDA版本，不论是WINDOWS还是LINUX一定要注意查看，不能安装错了。

最大的坑是选择了不被支持的CUDA版本（如CUDA 12.6），导致PyTorch及TensorFlow都无法兼容4090显卡。因此选择低于12.6版本的CUDA。在这里我安装的是稳定版本的12.1。

wget https://developer.download.nvidia.com/
compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run 
sudo sh cuda_12.1.0_530.30.02_linux.run

安装过程会中断N次，提示少这样那样的文件，少什么文件按提示装什么。

然后再次安装CUDA，直接安装完成。

安装完成之后，如果运行nvcc --version查看是否安装成功，这里提示找不到指令。主要原因是因为CUDA的安装路径没有写入环境变量中，需要对~/.bashrc文件进行编辑，以下内容视不同操作系统的安装路径而不同：

export PATH=/usr/local/cuda/bin:$PATH 
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

再次运行nvcc --version时，提示的结果如下，代表安装完成 ：

Step5：安装pytorch

执行如下指令，完成python环境创建、安装python、安装pytorch对应的nvidia版本：

conda create --name unsloth_env \ python=3.10 \ pytorch-cuda=12.1 \ pytorch cudatoolkit xformers -c pytorch -c nvidia -c xformers \ -y

安装完成之后，还要验证一下安装的pytorch版本能否正常识别本机上安装的GPU，执行如下代码即可：

import torch 
print(torch.__version__) 
print(torch.cuda.is_available()) 
print(torch.cuda.device_count()) 
print(torch.cuda.get_device_name(0))

返回结果如下的时候，代表已经正确安装，并能够检测到GPU。

2.4.0

True

1

NVIDIA GeForce RTX 4090

Step6：安装Unsloth

官方文档安装方法如下：

pip install "unsloth[cu121-torch240] @ git+https://github.com/unslothai/unsloth.git"

通过如上指令安装会有时候会提示网络错误，实际上通过浏览器我是可以正常访问github.com的。

因此，改为手动安装的方法，登录http://github.com/unslothai/unsloth，手动下载zip压缩包，如下图所示：

解压缩，并进入unsloth的解压缩目录，执行如下指令，代表安装成功。

pip install ".[cu121-torch240]"

至此，我们可以尝试进行模型训练，以验证unsloth是否能够正常工作。

三、微调LLaMA模型

模型的微调一共包括如下5个大的步骤：

• 下载待微调的模型

• 模型加载

• 数据处理

• 模型参数配置

• 模型训练

• 模型推理测试

1.下载待微调的模型

这是非常重要的一步，登录unsloth官方网站可以直接复制使用，如果对LLama3.1进行微调，还要在huggingface上申请该模型的使用权，使用权申请至少几个小时才会得到回复，博主第一申请失败。因此，博主直接将huggingface上的模型文件下载到本地文件系统并进行加载。

注意！！以下模型相关文件，都要手动下载下来，才能运行。刚开始博主只下载了.safetensors模型文件，结果系统一直报错，因为它运行时需要从config.json还有tokenizer.json中读取很多配置。

现在，待微调的模型已经下载完成。（注意： 如果你已经通过了 Hugging Face 的审核，以上下载步骤可以省略。）

接下来直接通过 Hugging Face 的接口下载相应的模型文件。下载完成后，模型会被缓存到本地文件系统，下次微调时无需重复下载。此外，获得模型使用权后，你还需要从 Hugging Face 获取一个 API Key，并将该模型与 API Key 关联。

不过，手动下载模型相对简单，建议直接下载以简化流程。

2.模型加载

通过vscode或pycharm之类的IDE新建一个jupyter文件（方便调试，调试过程中会提示你缺少这样那样的库，需要安装），复制以下代码：

注意如下代码：

model_path ="/mnt/d/02-LLM/LLM-APP/00-models/unsloth-llama-3.1-8b-bnb-4bit"

由于代码是在wsl中的ubuntu系统内运行，因此这里不能使用windows本地的文件路径，要改为ubuntu mnt之后的文件路径。

还有要注释掉token行，因为我们没有通过hugging face网站加载模型。

至此，模型已经加载完成，会有如下图所示的提示：

3.数据处理

一般在进行微调时，大模型都有自己的接入数据的格式 ，因此，需要对数据进行格式转换，如下为原始的数据格式，是标准的json文档 ：

而模型需要的训练数据模式如下：

[ {"text":"Instruction: 请把现代汉语翻译成古文\nInput: 世界及其所产生的一切现象，都是来源于物质。\nOutput: 天地与其所产焉，物也。"}， {"text":"Instruction: 请把现代汉语翻译成古文\nInput: 世界及其所产生的一切现象，都是来源于物质。\nOutput: 天地与其所产焉，物也。"} 
]

因此，需要 对其进行格式转换，数据处理代码如下：

运行结果如下：

载入本地数据:start... 
处理后的训练数据集大小: 457124

4.模型参数配置

这是非常重要的一步，需要配置各种参数，如max_steps、per_device_train_batch_size、r、lora_alpha等，在这里不进行详细说明，后续会有单独的文章内容进行详细介绍，代码如下：

from trl import SFTTrainer 
from transformers import TrainingArguments 
from unsloth import is_bfloat16_supported model = FastLanguageModel.get_peft_model( model, r = 16, # Choose any number > 0 ! Suggested 8, 16, 32, 64, 128 target_modules = ["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj",], lora_alpha = 32, 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, use_rslora = False, # We support rank stabilized LoRA loftq_config = None, # And LoftQ 
) 
trainer = SFTTrainer( model = model, tokenizer = tokenizer, train_dataset = train_dataset, dataset_text_field = "text", max_seq_length = max_seq_length, dataset_num_proc = 2, packing = False, # Can make training 5x faster for short sequences. args = TrainingArguments( per_device_train_batch_size = 4, gradient_accumulation_steps = 8, warmup_steps = 500, # num_train_epochs = 1, # Set this for 1 full training run. max_steps = 3000, learning_rate = 3e-5, fp16 = not is_bfloat16_supported(), bf16 = is_bfloat16_supported(), logging_steps = 100, optim = "adamw_8bit", weight_decay = 0.01, lr_scheduler_type = "linear", seed = 3407, output_dir = "outputs", ), 
)

5.模型训练

只有一行代码如下：

# 5. 训练 trainer_stats = trainer.train()

下图为运行的第一步执行过程，以及运行完成之后的耗时统计。

6.推理测试

模型微调完成之后，我们需要对模型进行推理测试，如下代码是构建了一个提示词模板，将system prompt指令以及用户输入的指令和古文内容，可以通过该提示词模板进行格式化处理，然后提供给微调后的模型进行推理使用：

alpaca_prompt = """你的任务是将给定的现代汉语文本转换为符合古文。请注意保持原文的核心思想和情感，同时运用适当的古文词汇、语法结构和修辞手法，使转换后的文本读起来如同古代文人的笔触一般。 翻译要求：避免句子重复，确保语言通顺，符合古文表达习惯。 例如：将“以正确的概念来校正不正确的概念，又以不正确的概念的失误之处，反过来探究正确的概念之所以正确的所在。”翻译为“以其所正，正其所不正；以其所不正，疑其所正。”，确保语言通顺，符合古文表达习惯。 ### Instruction: 
{} ### Input: 
{} ### output: 
{}"""

执行推理的代码如下：

FastLanguageModel.for_inference(model) # Enable native 2x faster inference 
inputs = tokenizer( 
[ alpaca_prompt.format("请把现代汉语翻译成古文", # instruction "这个管道昇在同时代人里也是极具个性和才华的。这时，赵孟頫在京城获得赏识，不再是那个只 在吴兴有薄名，却不能靠书画养活自己，不得不去教私塾的教书先生。", # input 
"", # output - leave this blank for generation! ) 
], return_tensors = "pt").to("cuda") # Generate the output 
outputs = model.generate(**inputs, max_new_tokens=64, use_cache=True) # Decode the output 
decoded_output = tokenizer.batch_decode(outputs, skip_special_tokens=True) #print(decoded_output) 
# 提取输出结果中原有的input文本 
# 假设输出格式是一致的，古文在"### output:\n"后面 
# print(decoded_output[0]) 
original_text = decoded_output[0].split("### Input:\n")[1].split("### output:\n")[0].strip() 
# Extract the translated ancient Chinese text 
# Assuming the output format is consistent and the ancient text starts after "### output:\n" 
translated_text = decoded_output[0].split("### output:\n")[1].strip() 
print("原始的现代汉语：" + original_text) 
print("翻译后的古文：" + translated_text)

执行的结果如下：

原始的现代汉语：这个管道昇在同时代人里也是极具个性和才华的。这时，赵孟頫在京城获得赏识，不再是那个只在吴兴有薄名，却不能靠书画养活自己，不得不去教私塾的教书先生。 翻译后的古文：管仲之才亦异于当世，时赵孟頫在京得赏识，乃非吴兴薄名，不能自养，负笈私门者也。

是将现代汉语翻译为古文了，但是将管道昇翻译为“管仲”了，这些可以在微调的过程进行参数优化。

以上就是今天的分享的全部内容了，大家如果有疑问或者不懂的地方，欢迎评论区留言讨论。

擎创科技，Gartner连续推荐的AIOps领域标杆供应商。公司专注于通过提升企业客户对运维数据的洞见能力，为运维降本增效，充分体现科技运维对业务运营的影响力。

  行业龙头客户的共同选择

了解更多运维干货与行业前沿动态

可以右上角一键关注

我们是深耕智能运维领域近十年的

连续多年获Gartner推荐的AIOps标杆供应商

下期我们不见不散~