01
现状
在上一篇文章「Unsloth微调Llama3-8B，提速44.35%，节省42.58%显存，最少仅需7.75GB显存」中，我们介绍了Unsloth，这是一个大模型训练加速和显存高效的训练框架，我们已将其整合到Firefly训练框架中，并且对Llama3-8B的训练进行了测试，Unsloth可大幅提升训练速度和减少显存占用。
遗憾的是，Unsloth目前并不支持Qwen2模型结构，该需求在Unsloth的issue中也被频繁提及，但官方在短期内暂时没有支持Qwen2的计划，更多的是建议用户对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。注：本文提及的Qwen2指的是模型结构，而非模型权重，Qwen1.5模型属于Qwen2模型结构，Qwen2模型权重尚未开源。
Qwen系列模型具有非常大的用户基数，目前开源的Qwen1.5模型可以视为Qwen2的preview版本，它在中英文任务上具有非常优秀的表现，一度取得中英文开源模型的SOTA，且后续还将继续开源正式版本的Qwen2模型。
基于上述现状，Firefly项目组尝试对Unsloth进行扩展，使其能够支持Qwen2模型进行训练，并且我们取得了不错的效果。在训练测试中，Qwen1.5-7B最少仅需8.43GB显存，这意味着我们可以在一张1080Ti上训练Qwen1.5-7B。开启Unsloth后，Qwen1.5-7B的训练速度可提升47.32%，训练时间可减少32.12%，显存占用可减少39.13%。我们在?Open LLM Leaderboard中验证了模型和训练方法的有效性，更多详情见第三节。
Firefly项目链接：
https://github.com/yangjianxin1/Firefly
Unsloth x Qwen2项目链接：
https://github.com/yangjianxin1/unsloth
模型权重：
https://huggingface.co/YeungNLP/firefly-qwen1.5-en-7b-unsloth
https://huggingface.co/YeungNLP/firefly-qwen1.5-en-7b-dpo-v0.1-unsloth
02
Unsloth x Qwen2
pip install git+https://github.com/yangjianxin1/unsloth.gitpip install bitsandbytes==0.43.1pip install transformers==4.37pip install peft==0.10.0pip install torch==2.2.2pip install xformers==0.0.25.post1
git clone https://github.com/yangjianxin1/Firefly.git
python train.py --train_args_file train_args/sft/qlora/qwen1.5-7b-sft-qlora.json
python train.py --train_args_file train_args/dpo/qlora/qwen1.5-7b-dpo-qlora.json
03
训练增益 & 模型评测
我们首先测试了Unsloth对Qwen2的训练增益，在一张V100上对Qwen1.5-7B进行QLoRA训练，使用相同的数据集训练20步，开启gradient_checkpointing，每条数据均padding至max_seq_length，在所有linear层均插入adapter，由于V100不支持Flash Attention，所以本测试未开启Flash Attention。Unsloth所带来的训练增益如下表所示。
结合QLoRA与Unsloth训练Qwen1.5-7B，最少仅需8.43GB显存，开启Unsloth后，Qwen1.5-7B的训练速度可提升47.32%，训练时间可减少32.12%，显存占用可减少39.13%。
为了进一步验证Unsloth x Qwen2训练的有效性，我们使用Unsloth和QLoRA对Qwen1.5-7B进行了SFT和DPO两阶段训练。整个训练流程仅使用一张V100，在所有Linear层都添加adapter以提升训练效果。两阶段均使用英文数据进行训练。我们与Qwen1.5官方的对话模板保持一致：
<|im_start|>systemYou are a helpful assistant.<|im_end|><|im_start|>userhello, who are you?<|im_end|><|im_start|>assistantI am a AI program developed by Firefly<|im_end|>
在SFT阶段，实验参数设置如下：
num_epochs: 1learning_rate: 2e-4total_train_batch_size: 32max_seq_length: 2048optimizer: paged_adamw_32bitlr_scheduler_type: constant_with_warmupwarmup_steps: 600lora_rank: 64lora_alpha: 16lora_dropout: 0.05gradient_checkpointing: truefp16: true
在DPO阶段，实验设置如下：
num_epochs: 1learning_rate: 2e-4total_train_batch_size: 32max_seq_length: 2048max_prompt_length: 500optimizer: paged_adamw_32bitlr_scheduler_type: constant_with_warmupwarmup_steps: 100lora_rank: 64lora_alpha: 16lora_dropout: 0.05gradient_checkpointing: truefp16: true
我们在?Open LLM Leaderboard上对上述SFT与DPO模型进行评测。在该榜单中，我们的模型的平均表现显著优于官方的Qwen1.5-7B-Chat、Gemma-7B-it等模型。
DPO训练过程中的训练指标的变化如下图所示。在训练过程中，Rewards/accuracies和Rewards/margins均处于上升趋势。
DPO训练中的Rewards/accuracies的变化趋势如下，该指标表示较优回答的奖励大于较劣回答的奖励的频率的均值：
DPO训练的Rewards/margins变化趋势如下，该指标表示较优回答的奖励与较劣回答的奖励二者之差的均值：
04
结语
Unsloth是一个非常优秀的项目，通过优化梯度计算、优化链式矩阵乘法、使用Triton重写内核等手段，达到提升训练速度，减少显存占用的目的。但目前开源版本的Unsloth仅仅是一个尝鲜版，仅支持单机单卡训练，但已足够惊艳，商业版Unsloth则有着更加强劲的提升。
这意味着，在算力不变的情况下，通过软件或者算法层面的优化，大模型训练的成本和速度还有非常大的进步空间，可以预见大模型训练的硬件门槛也将越来越低。最后，期待开源社区的力量，让开源版的Unsloth更加完善。
