书生·浦语大模型实战营（四）：XTuner 微调 LLM：1.8B、多模态、Agent

视频：https://www.bilibili.com/video/BV15m421j78d/?vd_source=3194af3e77968cb10b1d50711d07106a

文档：https://github.com/InternLM/Tutorial/blob/camp2/xtuner/readme.md

笔记

两种Finetune范式
LLM 的下游应用中，增量预训练和指令跟随是经常会用到两种的微调模式

增量预训练微调
使用场景：让基座模型学习到一些新知识，如某个垂类领域的常识训练数据：文章、书籍、代码等
指令跟随微调
使用场景：让模型学会对话模板，根据人类指令进行对话训练数据：高质量的对话、问答数据

XTurn

LoRA & QLoRA

LoRA: Low-Rank Adaptation of Large Language Models

• LLM 的参数量主要集中在模型中的 Linear, 训练这些参数会耗费大量的显存
• LoRA 通过在原本的 Linear 旁，新增一个支路，包含两个连续的小 linear，新增的这个支路通常叫做 Adapter
• Adapter 参数量远小于原本的 Linear，能大幅降低训练的显存消耗

QLoRA: Quantized LLMs with Low-Rank Adapters

• 4位NormalFloat量化：这是一种改进量化的方法，确保每个量化仓中有相同数量的值，这避免了计算问题和异常值的错误。
• 双量化：对量化常量再次量化以节省额外内存的过程。
• 统一内存分页：它依赖于NVIDIA统一内存管理，自动处理CPU和GPU之间的页到页传输，它可以保证GPU处理无错，特别是在GPU可能耗尽内存的情况下。

XTuner 一个大语言模型&多模态模型微调工具箱。由 MMRazor 和 MMDeploy 联合开发。

• 🤓 傻瓜化： 以 配置文件 的形式封装了大部分微调场景，0基础的非专业人员也能一键开始微调。
• 🍃 轻量级： 对于 7B 参数量的LLM，微调所需的最小显存仅为 8GB ： 消费级显卡✅，colab✅

MS-Agent 数据集

这个数据集比较有意思，能够赋予大模型调用api的agent能力，原理：

• 模型的回复中会包括插件调用代码和执行代码
  • 调用代码是 LLM 生成的
  • 执行代码是需要调用服务来生成结果的，这里我们需要给 xtuner chat 增加 -lagent 参数来实现

作业