LLaMA Factory多卡微调的实战教程（持续更新）
大家好，我是herosunly。985院校硕士毕业，现担任算法研究员一职，热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名，CCF比赛第二名，科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。
本文主要介绍了LLaMA Factory多卡微调的实战教程（持续更新），希望对学习大语言模型的同学们有所帮助。需要说明的是，本篇是LLaMA Factory发生重大更新后的迭代版本，所以会持续进行更新。
文章目录
- 1. 前言
- 2. 配置环境
- 2.1 安装虚拟环境
- 2.2 安装依赖库
- 2.3 模型选型与下载
- 2.4 配置多卡环境
- 3. 运行代码
- 3.1 构建训练数据
- 3.2 修改配置文件
- 3.3 微调
- 3.3.1 zero3微调
- 3.3.2 启动API
- 3.3.3 模型测试
1. 前言
在之前博客中介绍了LLaMA Factory单机微调的实战教程，但模型参数量大了以后，必须就要使用多卡进行微调和训练了。尤其最近新出了几个效果很不错的开源大模型，比如Qwen 2-72B-Chat、Qwen1.5-72B-Chat、Command R+(104B)，所以即使是A100 80G，也需要多卡进行微调。
一般来说，是使用deepspeed进行多卡微调的。但是配置环境却并不是那么一帆风顺的。为了帮助同学们加快多卡微调的进度，最终将逐步的操作过程总结如下。希望能对遇到同样需求的同学们有所帮助。
2. 配置环境
需要说明的是以下两点：
- 本文是在Centos 7+C