全部產品
Search
文件中心

Platform For AI:使用快速開始零代碼部署微調Llama2系列大模型

更新時間:Oct 16, 2024

如果您希望以零代碼的方式在PAI上完成Llama2系列大語言模型的訓練和推理,您可以使用快速開始的一鍵部署,快速啟動Llama2系列模型的線上推理服務,並通過WebUI和API兩種方式調用,或者使用自己的資料集對預訓練模型進行微調訓練,實現定製化的情境和任務。

背景資訊

Llama2是由Meta開源的、以英語為主的預訓練大語言模型,支援任意自然語言文本作為輸入,併產生文字形式的輸出。Llama2模型的參數範圍從70億到700億不等,包括7b、13b、70b三種規格,並在每個規格下都有專門適配對話情境的最佳化模型Llama2-chat。快速開始支援Llama2系列模型的線上推理,同時也可以作為上遊模型訓練以達到更好的定製情境效果。

快速開始提供的llama-2-7b-chat模型來源於HuggingFace提供的Llama-2-7b-chat模型,它也是主要基於Transformer架構的大語言模型,使用多種混合的開來源資料集進行訓練,因此適合用於大多數的英文通用領域情境。

本文以llama-2-7b-chat模型為例,為您介紹如何通過快速開始將模型部署到EAS,建立並調用推理服務。

使用限制

目前快速開始支援的地區包括華北2(北京)、華東2(上海)、華東1(杭州)、華南1(深圳)、華北6(烏蘭察布)。

說明

如需開通華北6(烏蘭察布)地區,請聯絡您的商務經理。

使用費用

前提條件

操作步驟

llama-2-7b-chat模型適用於大多數非專業情境,如果直接部署模型後的預測結果不滿足您的業務需求,或者當您需要應用特定領域的專業知識時,您可以對模型進行微調訓練,協助模型提高在自訂領域的能力,使其更符合您的實際業務需求。

大語言模型可以在對話過程中直接學習到比較簡單的知識,請您根據自己的需求選擇是否訓練。當前快速開始支援的訓練方式基於LoRA。LoRA訓練相較於其他訓練方式(如SFT等)會顯著降低訓練成本和時間。

直接部署模型

  1. 登入PAI控制台,在左側導覽列單擊快速開始

  2. 選擇工作空間後,單擊進入快速開始

  3. 模型列表頁面的搜尋方塊中輸入llama-2-7b-chat,然後單擊搜尋

    說明

    您也可以根據實際業務選擇需求選擇其他模型,模型需要至少64 GiB記憶體和24 GiB及以上的顯存,請確保您選擇的計算資源滿足以上要求,否則可能導致部署失敗。

  4. 單擊llama-2-7b-chat模型卡片,進入模型詳情頁面,單擊模型部署

    image

  5. 在模型部署詳情頁面下方,單擊部署

  6. 在彈出的計費提醒對話方塊中,單擊確定

  7. 頁面自動跳轉到服務詳情頁面。當服務狀態變為運行中時,代表推理服務已部署成功。

  8. 服務部署成功後,您可以通過WebUI或API兩種方式調用服務。

    1. 服務詳情頁面單擊查看WEB應用

      image

    2. 調用推理服務。

      • WebUI方式:在Chat頁簽中的對話方塊中輸入對話內容後,單擊Send,即可開始對話。

        image.png

      • API方式:單擊WebUI頁面底部Use via API,查看API調用詳情。

        image.png

微調訓練模型

  1. 登入PAI控制台,在左側導覽列單擊快速開始

  2. 選擇工作空間後,單擊進入快速開始

  3. 模型列表頁面的搜尋方塊中輸入llama-2-7b-chat,然後單擊搜尋

    說明

    您也可以根據實際業務選擇需求選擇其他模型,模型需要至少64 GiB記憶體和24 GiB及以上的顯存,請確保您選擇的計算資源滿足以上要求,否則可能導致部署失敗。

  4. 單擊llama-2-7b-chat模型卡片,進入模型詳情頁面,單擊微調訓練

    image

  5. 配置模型訓練相關參數。

    快速開始已經預設配置了計算資源配置超參數配置,可以滿足大多數的使用情境,您也可以根據自己的實際業務進行修改。本實踐教程中需要配置的關鍵參數說明請參見下表。

    參數

    說明

    訓練設定

    輸出路徑

    選擇OSS Bucket路徑,用來儲存訓練產生的模型檔案。

    說明

    如果您在工作空間詳情頁面配置了工作空間儲存路徑,這裡會預設填充該路徑,無需手動設定。如何配置工作空間儲存路徑,請參見管理工作空間

    資料集配置

    訓練資料集

    為方便您試用體驗Llama2模型,快速開始已提供了預設的訓練資料,您可以直接使用。如果您不使用預設資料集,需要按照模型文檔中的訓練資料格式準備好訓練資料,然後通過以下兩種方式上傳訓練資料:

    訓練資料支援JSON格式輸入,每條資料由問題、答案和ID組成,分別用instructionoutputid欄位表示,例如:

    [
        {
            "instruction": "以下文本是否屬於世界主題?為什麼美國人很少舉行閱兵?",
            "output": "是",
            "id": 0
        },
        {
            "instruction": "以下文本是否屬於世界主題?重磅!事業單位車改時間表已出!",
            "output": "不是",
            "id": 1
        }
    ]

    為了更好地驗證模型訓練的效果,除了PAI已提供的訓練資料集之外,也推薦您準備一份驗證資料集,該資料集將用於在訓練中評估模型訓練的效果,以及訓練的參數最佳化調整。

  6. 單擊訓練,提交訓練作業。

  7. 在彈出的計費提醒對話方塊中,單擊確定

  8. 頁面自動跳轉到任務詳情頁面。當任務狀態變為成功時,代表模型已經訓練完成。

    已經完成訓練的模型會被儲存到OSS上,可在基本資料地區的輸出路徑中查看具體位置。

    說明

    如果使用預設的資料集、超參數和計算資源配置,訓練大概耗時1小時30分鐘。如果使用自訂的訓練資料和配置項,訓練完成時間可能有所差異,通常應該會在數小時內完成。

  9. 部署微調模型。

    部署以及調用微調模型的流程和直接部署模型相同,操作詳情請參見直接部署模型

後續操作

您可以在快速開始頁面單擊任務管理,查看訓練任務和部署任務的詳情。

image