【Day11】把知識放到腦袋中：使用 unsloth 微調 (Fine-Tune) 大型語言模型

16th鐵人賽

海狸大師

2024-09-25 02:22:16

129 瀏覽

分享至

前言

我們在前十天嘗試了很多操作模型的方法，包含讓模型使用工具、用 RAG 提高答案生成的精確度、用 Ollama 在本地跑模型等等等，但這些都不是「訓練」一個模型。或許你在 Prompt Engineering 那邊有聽過 “In context learning” 這個名詞，但事實上這個技術也只是將資訊提供在提示詞的上下文，對模型本身所擁有的知識沒有任何影響。

這篇文的前半段會是與微調有關的知識基本介紹，後半就是實作，有基本概念的朋友可以直接跳到後面歐～

預訓練模型 (Pre-Trained Model) 是什麼？

在前十天的內容，我常常提到語言模型做文字接龍這件事，那這個在做單純文字接龍的模型叫什麼呢？它就叫預訓練模型 (Pre-Trained Model)，「預訓練 (Pre-Train)」是對模型進行初步訓練的過程，模型會在大量未標記的資料上進行訓練，這些資料可能是網路文章、書籍等等，讓模型理解語法結構、語意等複雜的規則。所以這個模型會做的事情就真的只有純文字接龍，根據輸入的字串去預測下一個出現的字是什麼，然後再接回去 (可以參考 Day2 的內容)。

你可以把這個預訓練模型想成是一個通才，它什麼都會，腦袋裡什麼都裝，但同時也什麼都做不好。

這時候你就需要去微調它。

微調 (Fine-tuning) 是什麼？

剛剛提到預訓練模型是一個什麼都懂，但什麼都不會得通才，微調就是讓這個與訓練模型針對特定的任務表現更好。那到底是在調什麼？我們都知道大型語言模型有大量的參數，而微調其實就是調整其中少量參數的過程，使其在特定任務上的性能更好。

如果你有開始實作自己的 RAG 系統，應該會發現當資料量變大，查詢的速度變慢的時候，使用者從問問題到接收答案這段過程就會被拉長，微調就相當於把知識直接塞給語言模型，讓這個系統不必再做一次查詢。

微調有以下優點

速度快，不需要先查詢向量資料庫 (但其實大部分的情況都是搭配著用)
利用有限的標注資料：當資料量少的時候，你更需要微調
不需要從頭到尾訓練一個大型語言模型
適應特定任務

過度擬合 (Overfitting)

既然都提到訓練模型了，就不能不知道機器學習中 Overfitting 的概念

什麼是 Overfitting？想像你讓一個學生死背課本的內容，你問他課本的內容他都能回答出來，不過一但給他課本沒有的題目，他就不會了，這就是 Overfitting。只會應對學過的情況，而沒有舉一反三的能力。

大型語言模型也會有這個問題，所以如何把模型訓練得恰到好處，超參數的設置就很有學問了。

LoRA / QLoRA 又是什麼？

LoRA 全名 Low Rank Adaption，最早在一篇 2021 年的論文〈LoRA: Low-Rank Adaptation of Large Language Models〉提到這個概念，是一種有效率的微調方法 (Parameter-Efficient Fine-Tuning, PEFT)，LoRA 這個微調方法屬於 Adapter 的一種，至於 LoRA 的細節可以參考〈【LLM專欄】All about Lora〉這篇文章。QLoRA 的 Q 指的是 quantization 的意思，基於 LoRA 的概念，引入了量化技術，將模型的參數壓縮到較小的位數。

Adapter 是什麼？

Adapter 就是在原本的大型語言模型加上一個插件，他會先凍結 (Freeze) 預訓練模型的初始參數，完全不去動它，只有微調這個 Adapter，在要使用的時候把訓練好的 Adapter 參數直接加在初始參數後面。如此一來，這樣可以減少運算量，因為對我們來說要找大量的參數是不可能的，但找少量的參數，用 Adapter 是可以做到的。注意：LoRA 是一種 Adapter，而 Adapter 有很多種。

截圖 2024-09-18 晚上10.57.32.png

(你可以為不同的需求訓練不同的 Adapter，而且只需要存一個大型語言模型，和多個 Adapter 即可)

開始實作

介紹完一些基本概念了，這些基本概念在你之後自己設定程式碼的超參數 (hyperparameter) 會很有幫助，比方說避免 overfitting 等等，~~也是另一段通靈之路的開始~~。現在要開始實作了！不會太困難的，請放輕鬆～

準備資料集

在微調自己的模型之前，我們要先準備資料集，這邊以 Day4 找到的文章為例，我希望做一個模型他可以完美回答有關這篇文章的相關問題，那該怎麼拿到資料呢？

通常 Instruction Fine-Tuning 的資料格式會像以下的 Json 檔案

[
    {
        "instruction": "行政罰和罰金有何不同？",
        "input": "",
        "output": "行政罰是行政法的一種處罰，而罰金則是刑法的一種處罰。行政罰由行政機關執行，不會有前科紀錄，而罰金由法院宣告，會有前科紀錄。"
    },
    {
        "instruction": "請說明無照駕駛撞傷人可能面對的不同法律責任？",
        "input": "",
        "output": "無照駕駛可能要面對行政責任和刑事責任，如果撞傷人還需承擔民事責任。"
    }
]

我們可以利用 In context learning 給模型這個 Json 格式的資料以及文章本身，讓他幫我們產生有關的資料。你可以用昨天架好的 Open WebUI 來做，也可以直接用 ChatGPT，以下是我的 Prompt

請閱讀這篇文章，以下是文章的內容
"""
{這邊放文章內容}
"""
請參考以下資料格式，產生十筆與文章內容相關的 QA 資料
[
    {
        "instruction": "行政罰和罰金有何不同？",
        "input": "",
        "output": "行政罰是行政法的一種處罰，而罰金則是刑法的一種處罰。行政罰由行政機關執行，不會有前科紀錄，而罰金由法院宣告，會有前科紀錄。"
    },
    {
        "instruction": "請說明無照駕駛撞傷人可能面對的不同法律責任？",
        "input": "",
        "output": "無照駕駛可能要面對行政責任和刑事責任，如果撞傷人還需承擔民事責任。"
    }
]

效果不錯，我們可以直接把這些 JSON 資料複製到一個檔案中

注意：資料請務必符合 JSON 的格式，你可以用 JSONLint 來檢查格式是否正確，他還會順便幫你把縮排排好，舒服～

使用 Unsloth 在 Google Colab 上微調模型！

Unsloth 是一個開源的系統，專門用來微調 LLM，號稱可以提高微調速度並減少記憶體開銷。

我們可以用 Unsloth 提供的 Google Colab 連結來準備微調，這邊我用的是 Llama3.1 的連結

第一步，選擇 GPU：先到 Colab 上的執行階段 → 變更執行階段類型 → 選擇 T4 GPU
上傳資料：在左邊的檔案新增一個資料夾，這邊我命名為 data，然後把剛剛的 json 檔案放進去
你可以在這邊把 model_name 改成你想要的模型，你可以到 unsloth 的 huggingface 上找到自己喜歡的模型
修改資料路徑，在 Data Prep 這邊把路徑改成 /content/資料夾名稱

你可以去修改參數，也可以直接用預設值，剩下的就是點一點左邊的小三角形執行程式碼就可以了，想不到微調可以這麼簡單吧～

訓練完成之後，我們要把模型存下來，滑到這個 Colab 的 GGUF/llama.cpp Conversion 這邊去設定儲存模型

你可以到下面選擇要存成什麼格式的 GGUF 檔，根據你的需求把 False 改成 True。你可以把 q4_k_m 的這一行改成 True，他會把 gguf 下載到 colab 的資料夾。你也可以把 gguf 上傳到 huggingface 上，這邊我就是用這種方式，不過你要先到 huggingface 上取得 access token。記得把 hf/model 改成 [你的 user name]/[模型名稱] ，這邊我就改成 yenslife/it-ironman-llama3-demo