360-LLaMA-Factory 项目使用说明

360-LLaMA-Factory 项目使用说明

360-LLaMA-Factory adds Sequence Parallelism into LLaMA-Factory 项目地址: https://gitcode.com/gh_mirrors/36/360-LLaMA-Factory

1. 项目目录结构及介绍

360-LLaMA-Factory 项目目录结构如下：

360-LLaMA-Factory/
├── .github/              # GitHub 工作流和配置文件
├── assets/               # 额外的资源文件
├── data/                 # 数据文件存放目录
├── docker/               # Docker 相关文件
├── evaluation/           # 评估脚本和结果
├── examples/             # 示例脚本和配置
├── scripts/              # 执行脚本
├── src/                  # 源代码目录
├── tests/                # 测试代码
├── .dockerignore         # Docker 忽略文件
├── .env.local            # 本地环境变量配置
├── .gitattributes         # Git 属性文件
├── .gitignore            # Git 忽略文件
├── .pre-commit-config.yaml # pre-commit 配置文件
├── CITATION.cff          # 项目引用文件
├── LICENSE               # 开源协议文件
├── MANIFEST.in           # 打包时包含的文件列表
├── Makefile              # Makefile 文件
├── README.md             # 项目说明文件
├── README_zh.md          # 项目说明文件（中文）
├── pyproject.toml        # Python 项目配置文件
├── requirements.txt      # 项目依赖文件
├── setup.py              # Python 包设置文件
└── 360-example.sh        # 示例启动脚本

每个目录和文件的具体用途已在上述结构中简要介绍。

2. 项目的启动文件介绍

项目的启动文件主要是 360-example.sh 脚本，它提供了如何使用 DeepSpeed 启动训练的示例。以下是 360-example.sh 的一个片段：

deepspeed --hostfile=8nodes.host src/train.py \
    --max_position_embeddings 1024 \
    --seq_length 1024 \
    --micro_batch_size 32 \
    --LR 3e-4 \
    --训练数据路径 /path/to/train/data \
    --验证数据路径 /path/to/valid/data

这个脚本演示了如何使用 DeepSpeed 进行多节点分布式训练，包括指定主机文件、设置最大位置嵌入、序列长度、微批次大小、学习率以及数据路径等。

3. 项目的配置文件介绍

项目的配置文件通常是 YAML 格式，用于设置训练和模型参数。以下是一个示例配置文件的部分内容：

sequence_parallel_size: 4
sequence_parallel_mode: "zigzag-ring"
cutoff_len: 128000

• sequence_parallel_size: 设置序列并行的 GPU 数量。
• sequence_parallel_mode: 设置序列并行的模式，可以是 "zigzag-ring" 或 "ulysses"。
• cutoff_len: 设置训练数据的截断长度。

配置文件通常位于 examples/ 目录中，可以根据需要修改这些文件以满足不同的训练需求。在命令行启动训练时，也可以通过命令行参数覆盖配置文件中的设置。

360-LLaMA-Factory adds Sequence Parallelism into LLaMA-Factory 项目地址: https://gitcode.com/gh_mirrors/36/360-LLaMA-Factory