基于昇腾MindSpeed训练加速库玩转智谱GLM-4-0414模型
智谱GLM-4-0414模型提供32B和9B两种参数规模，涵盖基础、推理和沉思等多种模型类型，均基于 MIT 许可协议开放。其中，推理模型 GLM-Z1-32B-0414 性能卓越，与 DeepSeek-R1 等领先模型相当，实测推理速度达每秒200个Tokens。此前，魔乐社区已推出支持昇思MindSpore和昇腾MindIE的版本。如今，昇腾MindSpeed训练加速库开箱即用的版本也已上线，共包含6个模型，欢迎开发者们下载体验！
🔗魔乐社区模型下载链接：
https://modelers.cn/models/Models_Ecosystem/GLM-Z1-Rumination-32B-0414
https://modelers.cn/models/Models_Ecosystem/GLM-Z1-9B-0414
https://modelers.cn/models/Models_Ecosystem/GLM-Z1-32B-0414
https://modelers.cn/models/Models_Ecosystem/GLM-4-9B-0414
https://modelers.cn/models/Models_Ecosystem/GLM-4-32B-Base-0414
https://modelers.cn/models/Models_Ecosystem/GLM-4-32B-0414
不多说，直接进入实践环节。接下来，我们将基于昇腾MindSpeed训练加速库部署 GLM-Z1-9B-0414 模型，并进行训练和推理操作。
NO.1 环境配置
1.1 硬件要求
GLM-Z1-9B-0414的参考硬件配置如下, 本文将以A2 单机8卡训练和推理为例进行介绍：
| 类型 | 硬件 | 配置 |
| 全参训练 | NPU | 8 x Ascend NPUs |
1.2 MindSpeed-LLM仓库部署
MindSpeed-LLM的主要依赖配套如下表，安装步骤参考安装指导：
https://gitee.com/ascend/MindSpeed-LLM/blob/master/docs/features/install_guide.md
| 依赖软件 | 版本 |
| CANN Toolkit（开发套件） | 商发版本 |
| CANN Kernel（算子包） | |
| CANN NNAL（Ascend Transformer Boost加速库） | |
| Python | >=3.10 |
| PyTorch | 2.5.1 |
| torch_npu插件 | 2.5.1 |
| apex | 商发版本 |
仓库拉取
git clone https://gitee.com/ascend/MindSpeed-LLM.gitgit clone https://github.com/NVIDIA/Megatron-LM.gitcd Megatron-LMgit checkout core_r0.8.0cp -r megatron ../MindSpeed-LLM/cd ..cd MindSpeed-LLMmkdir logsmkdir datasetmkdir ckpt
环境搭建
# python3.10conda create -n test python=3.10conda activate test# 安装 torch 和 torch_npu，注意要选择对应python版本、x86或arm的torch、torch_npu及apex包pip install torch-2.5.1-cp310-cp310m-manylinux2014_aarch64.whlpip install torch_npu-2.5.1*-cp310-cp310m-linux_aarch64.whl# apex for Ascend 参考 https://gitee.com/ascend/apex# 建议从原仓编译安装# 安装加速库git clone https://gitee.com/ascend/MindSpeed.gitcd MindSpeed# checkout commit from MindSpeed core_r0.8.0git checkout 2c085cc9pip install -r requirements.txtpip3 install -e .cd ../MindSpeed-LLM# 安装其余依赖库pip install -r requirements.txt
NO.2 权重/数据准备
2.1 权重转换
权重下载
从魔乐社区或者HuggingFace下载权重和配置文件。
魔乐下载链接（享国内加速下载）：https://modelers.cn/models/zhipuai/GLM-Z1-9B-0414
权重转换
MindSpeed-LLM提供脚本将权重转换为mcore权重，用于训练、推理、评估等任务：
https://gitee.com/lliilil/MindSpeed-LLM/blob/master/tests/0day/glm-z1-9b-0414/ckpt_convert_glm4_z1_9b_0414_hf2mcore.sh
使用方法如下，请根据实际需要的TP/PP等切分策略和权重路径修改权重转换脚本。
cd MindSpeed-LLMbash tests/0day/glm-z1-9b-0414/ckpt_convert_glm4_z1_9b_0414_hf2mcore.sh
2.2 数据预处理
MindSpeed-LLM提供脚本进行数据集处理：
https://gitee.com/lliilil/MindSpeed-LLM/blob/master/tests/0day/glm-z1-9b-0414/data_convert_glm4_z1_9b_0414_pretrain.sh
使用方法如下，请根据实际需要修改以下参数
cd MindSpeed-LLMbash tests/0day/glm-z1-9b-0414/data_convert_glm4_z1_9b_0414_pretrain.sh
| 参数名 | 含义 |
| --input | 数据集路径 |
| --tokenizer-name-or-path | 模型tokenizer目录 |
| --output-prefix | 数据集处理完的输出路径及前缀名 |
NO.3 训练
cd MindSpeed-LLMbash tests/0day/glm-z1-9b-0414/pretrain_glm4_z1_9b_0414_8k_ptd.sh
用户需要根据实际情况修改脚本中以下变量
| 变量名 | 含义 |
| MASTER_ADDR | 多机情况下主节点IP |
| NODE_RANK | 多机下，各机对应节点序号0-8 |
| CKPT_SAVE_DIR | 训练中权重保存路径 |
| DATA_PATH | 数据预处理后的数据路径 |
| TOKENIZER_PATH | tokenizer目录 |
| CKPT_LOAD_DIR | 权重转换保存的权重路径，为初始加载的权重，如无初始权重则随机初始化 |
NO.4 推理
cd MindSpeed-LLMbash tests/0day/glm-z1-9b-0414/generate_glm4_z1_9b_0414_ptd.sh
用户需要根据实际情况修改脚本中以下变量
| 变量名 | 含义 |
| MASTER_ADDR | 多机情况下主节点IP |
| NODE_RANK | 多机下，各机对应节点序号0-8 |
| CHECKPOINT | 训练保存的权重路径 |
| TOKENIZER_PATH | tokenizer目录 |
NO.5 评估
cd MindSpeed-LLMbash tests/0day/glm-z1-9b-0414/evaluate_glm4_z1_9b_0414_ptd.sh
用户需要根据实际情况修改脚本中以下变量
| 变量名 | 含义 |
| MASTER_ADDR | 多机情况下主节点IP |
| NODE_RANK | 多机下，各机对应节点序号0-8 |
| CKPT_SAVE_DIR | 训练中权重保存路径 |
| DATA_PATH | 数据预处理后的数据路径 |
| TOKENIZER_PATH | tokenizer目录 |
| CKPT_LOAD_DIR | 权重转换保存的权重路径，为初始加载的权重，如无初始权重则随机初始化 |
欢迎体验
欢迎大家下载体验GLM-4-0414，也欢迎广大开发者在模型评论区留言交流！