Llama-3开源模型全托管灵骏最佳实践

前提条件

本方案以Meta-Llama-3-8B模型为例，在开始执行操作前，请确认您已经完成以下准备工作：

• 已开通PAI（DSW、DLC、EAS）并创建了默认的工作空间。具体操作，请参见开通PAI并创建默认工作空间。

• 已购买灵骏智算资源并创建资源配额。具体操作，请参见新建资源组并购买灵骏智算资源和灵骏智算资源配额。不同模型参数量支持的资源规格列表如下，请根据您实际使用的模型参数量选择合适的资源，关于灵骏智算资源的节点规格详情，请参见灵骏Serverless版机型定价详情。

  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
  8B	8*gu7xf、gu7ef	1*V100-32G、1*A10-22G	TP1、PP1
  70B	（4*8）*gu7xf、gu7ef	6*V100-32G、2*gu7xf	TP8、PP2

• 已创建阿里云文件存储（通用型NAS）类型的数据集，用于存储训练所需的文件和结果文件。默认挂载路径配置为/mnt/data/nas。具体操作，请参见创建及管理数据集。

• 已创建DSW实例，其中关键参数配置如下。具体操作，请参见创建DSW实例。

  • 资源配额：选择已创建的灵骏智算资源的资源配额，并配置以下参数：

    • CPU（核数）：90。

    • 内存（GB）：1024。

    • 共享内存（GB）：1024。

    • GPU（卡数）：至少为8。

  • 存储配置：单击共享数据集，选择已创建的数据集。挂载路径配置为/mnt/data/nas/。

  • 选择镜像：在镜像URL页签，配置镜像为dsw-registry.cn-wulanchabu.cr.aliyuncs.com/pai/pytorch-training:23.12-gpu-py310-cu123-ubuntu22.04-megatron-patch-llm。

• 如果使用RAM用户完成以下相关操作，需要为RAM用户授予DSW、DLC或EAS的操作权限。具体操作，请参见云产品依赖与授权：DSW、云产品依赖与授权：DLC或云产品依赖与授权：EAS。

使用限制

仅支持在华北6（乌兰察布）和新加坡地域使用该最佳实践。

步骤一：准备Llama-3-8B模型

本案例提供了以下三种下载模型的方式，您可以根据需要选择其中一种。具体操作步骤如下：

1. 进入PAI-DSW开发环境。

   1. 登录PAI控制台。

   2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。

   3. 在页面左上方，选择使用服务的地域：华北6（乌兰察布）。

   4. 在左侧导航栏，选择模型开发与训练 > 交互式建模（DSW）。

   5. 单击目标实例操作列下的打开。

2. 在顶部菜单栏单击Terminal，在该页签中单击创建terminal。

3. 下载Meta-Llama-3-8B模型。

   从ModelScope社区下载模型

   在DSW的Terminal中执行以下命令下载模型文件。

   mkdir /mnt/workspace/llama3-ckpts
   cd /mnt/workspace/llama3-ckpts
   git clone https://www.modelscope.cn/LLM-Research/Meta-Llama-3-8B.git
   cd Meta-Llama-3-8B
   rm -rf .git

   从Huggingface社区下载模型

   在DSW的Terminal中执行以下命令下载模型文件。

   mkdir /mnt/workspace/llama3-ckpts
   cd /mnt/workspace/llama3-ckpts
   git clone https://huggingface.co/meta-llama/Meta-Llama-3-8B
   cd Meta-Llama-3-8B
   rm -rf .git

   说明

   如果无法访问，您可能需要设置代理后再尝试重新访问。

步骤二：准备预训练数据

建议您在DSW实例中准备预训练数据。本案例以WuDaoCorpora2.0数据集（该数据集仅供研究使用）为例，介绍Megatron-LM训练数据的预处理流程。您可以直接下载PAI已准备好的小规模样本数据，也可以按照以下操作步骤自行准备预训练数据。

mkdir /mnt/workspace/llama3-datasets
cd /mnt/workspace/llama3-datasets
wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/llama3-datasets/alpaca_zh-llama3-train.json
wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/llama3-datasets/alpaca_zh-llama3-valid.json
mkdir -p /mnt/workspace/llama3-datasets/wudao
cd /mnt/workspace/llama3-datasets/wudao
wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/llama3-datasets/wudao_llama3bpe_content_document.bin
wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/llama3-datasets/wudao_llama3bpe_content_document.idx

步骤三：Megatron训练

您可以按照以下流程进行Megatron训练。

模型格式转换

1. 在DSW的Terminal中执行以下命令，将Megatron格式的模型训练工具源代码PAI-Megatron-Patch拷贝至DSW的工作目录/mnt/workspace/下。

   说明

   如果您已在前述步骤中执行过该操作，请跳过该步骤。

   cd /mnt/workspace/
   # 方式一：通过开源网站获取训练代码。
   git clone --recurse-submodules https://github.com/alibaba/Pai-Megatron-Patch.git
   cd Pai-Megatron-Patch
   pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/

2. 在Terminal中执行以下命令，使用PAI提供的模型转换工具，可将HuggingFace格式的模型文件转换为Megatron格式。

   # 转换模型
   cd /mnt/workspace/Pai-Megatron-Patch/toolkits/model_checkpoints_convertor/llama
   sh hf2megatron_convertor.sh \
   ../../../     \
   /mnt/workspace/llama3-ckpts/Meta-Llama-3-8B    \
   /mnt/workspace/llama3-ckpts/Meta-Llama-3-8B-to-megatron-tp4-pp1  \
   4  \
   1  \
   llama3-8b \
   0 \
   false

   其中运行hf2megatron_convertor.sh需要传入的参数说明如下：

   参数	描述
   MEGATRON_PATH=$1	设置开源Megatron的代码路径。
   SOURCE_CKPT_PATH=$2	HuggingFace格式的模型文件路径。
   TARGET_CKPT_PATH=$3	转换为Megatron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。不同参数量下的切片数量不同，在转换模型时需进行针对性修改： Llama-3-8B：TP1或PP1。 Llama-3-70B：TP8或PP2。
   PP=$5	流水切片数量，与训练保持一致。不同参数量下的切片数量不同，在转换模型时需进行针对性修改： Llama-3-8B：TP1或PP1。 Llama-3-70B：TP8或PP2。
   MN=$6	模型名称：llama-3-8b。
   EXTRA_VOCAB_SIZE=$7	额外词表大小。
   mg2hf=$8	是否为Megatron格式转Huggingface格式，取值如下： false：不是。 true：是。

预训练模型

先在DSW单机环境中对训练脚本进行调试，调试完成后，您便可以在DLC环境提交多机多卡的分布式训练任务，训练时长取决于您设定的训练Tokens数量。任务执行完成后，模型文件将被保存至/mnt/workspace/output_megatron_llama3/目录。

有监督微调模型

先在DSW单机环境中对训练脚本进行调试，调试完成后，您便可以在DLC环境提交多机多卡的分布式训练任务，训练时长取决于您设定的训练迭代次数。任务执行完成后，模型文件将被保至/mnt/workspace/output_megatron_llama3/目录。

1. 微调模型前，在Terminal中执行以下代码下载JSON文件。

   说明

   如果该JSON文件已在前述步骤中下载，可忽略该步骤。

   cd /mnt/workspace/llama3-datasets
   wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/llama3-datasets/alpaca_zh-llama3-train.json
   wget https://atp-modelzoo-wlcb-pai.oss-cn-wulanchabu.aliyuncs.com/release/models/pai-megatron-patch/llama3-datasets/alpaca_zh-llama3-valid.json

2. 微调模型。

   DSW单机微调模型

   在Terminal中运行的代码示例如下：

   export WORK_DIR=/mnt/workspace
   cd ${WORK_DIR}/Pai-Megatron-Patch/examples/llama3
   sh run_finetune_megatron_llama_withGA.sh  \
   dsw  \
   ../../ \
   8B     \
   1      \
   32     \
   1e-5   \
   1e-6   \
   128   \
   128     \
   256      \
   bf16   \
   4      \
   1      \
   sel    \
   true   \
   false  \
   false  \
   false \
   100 \
   ${WORK_DIR}/llama3-datasets/alpaca_zh-llama3-train.json   \
   ${WORK_DIR}/llama3-datasets/alpaca_zh-llama3-valid.json   \
   ${WORK_DIR}/llama3-ckpts/Meta-Llama-3-8B-to-megatron-tp4-pp1  \
   1000 \
   10 \
   ${WORK_DIR}/output_megatron_llama3/

   其中运行run_finetune_megatron_llama_withGA.sh需要传入的参数说明如下：

   参数	描述
   ENV=$1	运行环境： dlc dsw
   MEGATRON_PATCH_PATH=$2	设置开源Megatron的代码路径。
   MODEL_SIZE=$3	模型结构参数量级：8B、70B。
   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=$9	Padding序列长度。
   EXTRA_VOCAB_SIZE=${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：full或sel。
   DO=${15}	是否使用Megatron版Zero-1降显存优化器： true false
   FL=${16}	是否打开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}	预热Step数。
   OUTPUT_BASEPATH=${25}	训练输出模型文件的路径。

   DLC分布式微调模型

   在DSW单机环境调试完成后，您可以在DLC环境中配置多机多卡分布式任务。提交DLC训练任务时，执行命令配置如下，其他参数配置详情，请参见预训练模型。

   export WORK_DIR=/mnt/workspace
   cd ${WORK_DIR}/Pai-Megatron-Patch/examples/llama3
   sh run_finetune_megatron_llama_withGA.sh  \
   dlc  \
   ../../ \
   8B     \
   1      \
   32     \
   1e-5   \
   1e-6   \
   128   \
   128     \
   256      \
   bf16   \
   4      \
   1      \
   sel    \
   true   \
   false  \
   false  \
   false \
   100 \
   ${WORK_DIR}/llama3-datasets/alpaca_zh-llama3-train.json   \
   ${WORK_DIR}/llama3-datasets/alpaca_zh-llama3-valid.json   \
   ${WORK_DIR}/llama3-ckpts/Meta-Llama-3-8B-to-megatron-tp4-pp1  \
   1000 \
   10 \
   ${WORK_DIR}/output_megatron_llama3/

   其中运行run_finetune_megatron_qwen_withGA.sh需要传入的参数与DSW单机微调模型相同。

步骤四：离线推理模型

为了方便使用HuggingFace或VLLM框架进行离线和在线推理，您需要将已训练好的Megatron格式模型转换为HuggingFace格式。具体操作步骤如下：

1. 请将开源Huggingface模型路径（/mnt/workspace/llama3-ckpts/Meta-Llama-3-8B/）中的JSON文件（除model.safetensors.index.json外）复制到训练生成的模型路径（位于{OUTPUT_BASEPATH}/checkpoint的下一级目录下，与latest_checkpointed_iteration.txt同级）。

   说明

   命令中的路径需替换为您的实际路径。

2. 在Terminal中执行以下命令，将训练生成的Megatron格式的模型转换为Huggingface格式的模型。

   export WORK_DIR=/mnt/workspace
   cd /mnt/workspace/Pai-Megatron-Patch/toolkits/model_checkpoints_convertor/llama
   sh hf2megatron_convertor.sh \
   ../../..        \
   ${WORK_DIR}/output_megatron_llama3/checkpoint/${路径}/iter_0001000         \
   /mnt/workspace/llama3-ckpts/llama3-8b-mg-to-hf-tp4-pp1/  \
   4  \
   1  \
   llama3-8b \
   0 \
   true

   其中运行hf2megatron_convertor.sh脚本需要传入的参数说明如下：

   参数	描述
   MEGATRON_PATH=$1	设置开源Megatron的代码路径。
   SOURCE_CKPT_PATH=$2	训练获得的Megatron格式的模型路径，具体到iter_*。例如：${WORK_DIR}/output_megatron_llama3/checkpoint/dsw******/iter_*******。代码中的${路径}为${WORK_DIR}/output_megatron_llama/checkpoint/目录下的文件夹名称（训练时自动创建）。 重要 请替换为您自己的模型路径。
   TARGET_CKPT_PATH=$3	转换为Huggingface格式的模型后保存的路径。
   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：llama3-8b。
   EXTRA_VOCAB_SIZE=$7	额外词表大小。
   mg2hf=$8	是否为Megatron格式转Huggingface格式，取值如下： true：是。 false：不是。

3. 请将开源Huggingface模型目录（/mnt/workspace/llama3-ckpts/Meta-Llama-3-8B/）里的config.json文件复制到/mnt/workspace/llama3-ckpts/llama3-8b-mg-to-hf-tp4-pp1/中，以替换同名文件。

4. 在Terminal中的任意目录下创建infer.py文件，文件内容如下。执行infer.py文件进行模型离线推理，根据推理结果来评估模型效果。

   #!/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/llama3-ckpts/Meta-Llama-3-8B'
   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(prompt, return_tensors="pt").to(model.device)
   outputs = model.generate(inputs,max_new_tokens=512)
   print(tokenizer.decode(outputs[0]))

   示例结果如下：

   /mnt/workspace/llama3-ckpts/llama3-8b-mg-to-hf-tp4-pp1
   Special tokens have been added in the vocabulary, make sure the associated word embeddings are fine-tuned or trained.
   Loading checkpoint shards:   0%|                                                                                                                                                                                                  Loading checkpoint shards:  50%|████████████████████████████████████████████████████████████████████████████████████████████████████████████                                                                                      Loading checkpoint shards: 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████Loading checkpoint shards: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 2/2 [00:15<00:00,  7.79s/it]
   Human:写一个快速排序算法
   The attention mask and the pad token id were not set. As a consequence, you may observe unexpected behavior. Please pass your input's `attention_mask` to obtain reliable results.
   Setting `pad_token_id` to `eos_token_id`:128001 for open-end generation.
   Human:写一个快速排序算法，用于对人类的年龄进行排序。<|im_end|><|end_of_text|>

步骤六：部署及调用在线模型服务

完成离线推理并评估完成模型效果后，您可以将转换为Huggingface格式的模型部署为在线服务，并在实际的生产环境中调用，从而进行推理实践。具体操作步骤如下：

部署模型服务

1. 进入模型在线服务（EAS）页面。

   1. 登录PAI控制台。

   2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。

   3. 在工作空间页面的左侧导航栏选择模型部署>模型在线服务（EAS），进入模型在线服务（EAS）页面。

2. 在模型在线服务页面，单击部署服务，在自定义模型部署区域单击自定义部署。

3. 在新建服务页面配置以下关键参数，其他参数取默认配置即可。

   参数		描述
   模型服务信息	服务名称	自定义模型服务名称，同地域内唯一。本方案配置为：test_llama3。
   	部署方式	选择镜像部署AI-Web应用。
   	镜像选择	选择镜像地址，在本文框中配置镜像地址eas-registry-vpc.cn-wulanchabu.cr.aliyuncs.com/pai-eas/chat-llm-webui:3.0.2-llama3，并选中阅读并同意PAI服务专用协议。
   	模型配置	单击填写模型配置，配置模型地址。 选择NAS挂载，并配置以下参数： NAS挂载点：选择创建数据集使用的NAS文件系统和挂载点。 NAS源路径：配置为存放在NAS中的转换后的Huggingface格式模型的路径。本方案配置为/llama3-ckpts/llama3-8b-mg-to-hf-tp4-pp1。 挂载路径：指定挂载后的路径，本方案配置为：/llama3-8b。
   	运行命令	运行命令：配置为python webui/webui_server.py --port=7860 --model-path=/llama3-8b" --model-type=llama3。 其中配置的--model-path需要与模型配置中的挂载路径一致。 端口号：配置为7860。
   资源部署信息	资源组种类	选择公共资源组。
   	资源配置选择	本方案以Llama3-8B模型为例，推荐使用实例规格ml.gu7i.c16m60.1-gu30，性价比高。 说明 如果当前地域的资源不足，您还可以选择A10（ecs.gn7i-c8g1.2xlarge）类型的资源规格。
   	额外系统盘	单击系统盘配置，配置额外系统盘为30 GB。
   专有网络配置	VPC	配置好NAS挂载点后，系统将自动匹配与预设的NAS文件系统一致的VPC、交换机和安全组。
   	交换机
   	安全组名称

4. 单击部署。

   当服务状态变为运行中时，表明服务部署成功。

调用服务

通过WebUI调用模型服务

服务成功部署后，您可以使用WebUI对该服务进行调试操作。具体操作步骤如下：

1. 在服务列表中，单击目标服务的服务方式列下的查看Web应用。

2. 在WebUI页面中，进行推理模型推理。

通过API调用模型服务

当您在WebUI页面调试好问答效果后，您可利用PAI所提供的API接口，将其集成到您的业务系统中。具体操作，请参见如何使用API进行模型推理。

相关文档

您也可以通过PAI-快速开始（PAI-QuickStart）部署和微调Llama-3系列模型。详情请参见部署及微调Llama-3系列模型。