=============================================== Varlen Attention =============================================== \ :ref:`数据集拼接 ` \ 一节中，我们讨论了“数据集拼接”策略对模型训练效率的显著提升。 理论上，数据集拼接可能会对注意力（Attention）机制的计算过程产生影响。这是因为，在未采用数据拼接策略的情况下， 每条数据在计算注意力时仅与自身相关联。然而，当采用数据拼接策略后，由多条短数据拼接成的长数据在计算注意力时会相互关联。 以一个由若干短数据拼接成长度为 4096 的数据为例，如果不采用变长注意力机制，在注意力计算阶段，每个 token 将会关注全部 4096 个 tokens ，如图左侧所示。 相反，在使用变长注意力机制的情况下，每个 token 在注意力计算阶段仅会关注其所在短数据中的所有 tokens ，如图右侧所示。因此， **变长注意力机制确保了无论是否采用“数据集拼接”策略，模型训练的行为保持一致性。** .. raw:: html

XTuner
变长注意力计算原理（拷贝自 https://github.com/InternLM/InternEvo/blob/develop/doc/usage.md）

支持列表 ===================== .. note:: 使用变长注意力需要首先安装 `flash attn `_ （ 参考 `flash attn 安装 `_ ） .. list-table:: :widths: 25 50 :header-rows: 1 * - 模型 - Flash Attention 支持情况 * - baichuan 1/2 - ❌ * - chatglm 2/3 - ❌ * - deepseek - ✅ * - gemma - ❌ * - internlm 1/2 - ✅ * - llama 2 - ✅ * - mistral - ✅ * - qwen 1/1.5 - ❌ * - starcoder - ❌ * - yi - ✅ * - zephyr - ✅ 使用变长注意力机制训练 ========================= 步骤 1：安装 flash_attn -------------------------- XTuner 中实现的变长注意力需要依赖 Flash Attention 2，可通过以下命令安装（需要 cuda）： .. code:: console $ MAX_JOBS=4 pip install flash-attn --no-build-isolation .. tip:: 更多安装方式请参考 `flash attn 安装 `_ 步骤 2：查找模板 config --------------------------- XTuner 提供多个开箱即用的配置文件，用户可以通过下列命令查看： .. code-block:: console $ xtuner list-cfg -p internlm .. tip:: ``-p`` 为模糊查找，若想训练其他模型，可以修改 ``internlm`` 为 XTuner 支持的其他模型名称。 步骤 3：复制 config 文件 ----------------------------- 导出需要使用的 config ： .. code-block:: bash xtuner copy-cfg ${CONFIG_NAME} ${SAVE_DIR} 例如通过下列命令将名为 ``internlm_7b_full_oasst1_e3`` 的 config 导出至当前目录下： .. code-block:: console $ xtuner copy-cfg internlm_7b_full_oasst1_e3 . .. note:: 当前目录下会存在一个新 config ``internlm_7b_full_oasst1_e3_copy.py`` 。 步骤 4：修改 config 文件 ------------------------------- 将步骤 3 复制得到的 config 文件中的 ``use_varlen_attn`` 属性由 False 改为 True 即可激活变长注意力训练机制： .. code-block:: diff ... ####################################################################### # PART 1 Settings # ####################################################################### # Model pretrained_model_name_or_path = 'internlm/internlm-7b' - use_varlen_attn = False + use_varlen_attn = True ... .. warning:: 当设置 ``use_varlen_attn = True`` 后， ``batch_size = 2, max_length = 2k`` 的配置与 ``batch_size = 1, max_length = 4k`` 的配置训练行为是近似的， 因此 XTuner 目前只支持了 ``batch_size = 1`` 的情况。另外， ``use_varlen_attn = True`` 时 ``pack_to_max_length`` 也需设置为 True。 步骤 5：开始训练 ----------------------- .. code-block:: bash xtuner train ${CONFIG_NAME_OR_PATH} 例如，我们可以基于步骤 4 中修改得到的 `internlm_7b_full_oasst1_e3_copy.py` 进行训练： .. code-block:: console $ # On a single GPU $ xtuner train internlm_7b_full_oasst1_e3_copy.py --deepspeed deepspeed_zero1 $ # On multiple GPUs(torchrun) $ NPROC_PER_NODE=${GPU_NUM} xtuner train internlm_7b_full_oasst1_e3_copy.py --deepspeed deepspeed_zero1 $ # On multiple GPUs(slurm) $ srun ${SRUN_ARGS} xtuner train internlm_7b_full_oasst1_e3_copy.py --launcher slurm --deepspeed deepspeed_zero1 .. tip:: ``--deepspeed`` 表示使用 `DeepSpeed `_ 🚀 来优化训练过程。若未安装 DeepSpeed ，可通过 ``pip install deepspeed>=0.12.3`` 进行安装。XTuner 内置了多种策略，包括 ZeRO-1、ZeRO-2、ZeRO-3 等。如果用户期望关闭此功能，请直接移除此参数。 步骤 6：模型转换 ^^^^^^^^^^^^^^^^^^^^^^^^^^^ 将保存的 PTH 模型（如果使用的DeepSpeed，则将会是一个文件夹）转换为 HuggingFace 模型： .. code-block:: bash xtuner convert pth_to_hf ${CONFIG_NAME_OR_PATH} ${PTH} ${SAVE_PATH} 对应上面的例子，模型转换脚本为： .. code-block:: bash xtuner convert pth_to_hf internlm_7b_full_oasst1_e3_copy.py ${PTH} ${SAVE_PATH} .. note:: 其中 ``${PTH}`` 为训练权重保存的路径，若训练时未指定，默认保存在 ``./work_dirs/internlm_7b_full_oasst1_e3_copy`` 路径下。