大模型落地一直受到算力的约束，今天分享一个参数相对较小的模型： Qwen1.5 的落地方法。
文章目录
Qwen1.5 划重点
1. 更全的模型系列： 提供6个不同size模型，以及GPTQ/AWQ/GGUF量化版，总有一款适合你
2. 更好的生态融入： 接入huggingface transformers，以及主流的第三方部署、量化、微调、服务等框架，方便你我他
3.更强大的性能： Chat模型性能大幅提升，即便在英文的MT-Bench上，Qwen1.5-Chat系列也取得了优秀的性能
4.更全面统一的功能： 全系列均统一支持至少32k的最大长度，多语言能力全面提升并提供了更丰富的多语言评测，全系列统一支持system prompt，统一具备强大的链接外部系统能力（agent/RAG/Tool-use/Code-interpreter）
技术交流&资料
技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。
成立了大模型面试和技术交流群，相关资料、技术交流&答疑，均可加我们的交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。
方式①、微信搜索公众号：机器学习社区，后台回复：加群
方式②、添加微信号：mlc2040，备注：来自CSDN + 技术交流
最佳实践
体验地址：
https://modelscope.cn/studios/qwen/Qwen1.5-72B-Chat-Demo/summary
例如，多语言能力：
角色扮演：
工具调用能力：
模型下载
模型链接： https://modelscope.cn/organization/qwen
from modelscope import snapshot_download
model_dir = snapshot_download('qwen/Qwen1.5-7B-Chat')
模型推理
环境依赖：
pip install transformers>=4.37.0
推理代码：
from modelscope import AutoModelForCausalLM, AutoTokenizer
device = "cuda" # the device to load the model onto
model = AutoModelForCausalLM.from_pretrained(
"qwen/Qwen1.5-0.5B-Chat",
device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("qwen/Qwen1.5-7B-Chat")
prompt = "Give me a short introduction to large language model."
messages = [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)
generated_ids = model.generate(
model_inputs.input_ids,
max_new_tokens=512
)
generated_ids = [
output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
模型训练
微调框架SWIFT(https://github.com/modelscope/swift)已经支持了Qwen1.5全系列模型的微调和推理。
下面我们以自我认知任务为例针对千问1.5-7b-chat模型为例给出训练参数配置：
# Experimental environment: A100
# 30GB GPU memory
PYTHONPATH=../../.. \
CUDA_VISIBLE_DEVICES=0 \
python llm_sft.py \
--model_type qwen1half-7b-chat \
--sft_type lora \
--tuner_backend swift \
--dtype AUTO \
--output_dir output \
--dataset ms-bench \
--train_dataset_sample 5000 \
--num_train_epochs 2 \
--max_length 1024 \
--check_dataset_strategy warning \
--lora_rank 8 \
--lora_alpha 32 \
--lora_dropout_p 0.05 \
--lora_target_modules ALL \
--gradient_checkpointing true \
--batch_size 1 \
--weight_decay 0.01 \
--learning_rate 1e-4 \
--gradient_accumulation_steps 16 \
--max_grad_norm 0.5 \
--warmup_ratio 0.03 \
--eval_steps 100 \
--save_steps 100 \
--save_total_limit 2 \
--logging_steps 10 \
--use_flash_attn false \
--self_cognition_sample 1000 \
--model_name 卡卡罗特 \
--model_author 陶白白 \
其中的ms-bench数据集是通用知识数据集，用来做数据混合防止知识遗忘。训练的Loss收敛情况：
可以看到其收敛非常平滑。
训练的显存使用情况：
训练后推理可以使用如下脚本（注意将–ckpt_dir替换为训练log输出的weights路径）：
# Experimental environment: A100
PYTHONPATH=../../.. \
CUDA_VISIBLE_DEVICES=0 \
python llm_infer.py \
--ckpt_dir "/xxx/xxx/Qwen1.5-7b-chat/vx-xxx/checkpoint-xx" \
--load_dataset_config true \
--max_length 2048 \
--eval_human true \
--use_flash_attn false \
--max_new_tokens 2048 \
--temperature 0.1 \
--top_p 0.7 \
--repetition_penalty 1. \
--do_sample true \
--merge_lora_and_save false \
自我认识微调后的模型推理效果：
模型部署
使用vllm部署千问1.5开源版本
设置环境变量：export VLLM_USE_MODELSCOPE=True
vllm拉起openai server
python -m vllm.entrypoints.openai.api_server \
--model qwen/Qwen1.5-7B-Chat --max-model-len 8192 --gpu-memory-utilization 0.95
访问服务
curl http://localhost:8000/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{
"model": "qwen/Qwen1.5-7B-Chat",
"messages": [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "写一篇春天为主题的作文"}
],
"stop": ["<|im_end|>", "<|endoftext|>"]
}'
使用llama.cpp部署千问1.5开源的GGUF的版本
下载GGUF文件：
from modelscope.hub.file_download import model_file_download
model_dir = model_file_download(model_id='qwen/Qwen1.5-1.8B-Chat-GGUF',file_path='qwen1.5-1_8b-chat-q8_0.gguf',revision='master',cache_dir='/mnt/workspace/')
git clone llama.cpp代码并推理：
git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
make -j && ./main -m /mnt/workspace/qwen/Qwen1.5-1.8B-Chat-GGUF/qwen1.5-1_8b-chat-q8_0.gguf -p "Building a website can be done in 10 simple steps:\nStep 1:" -n 400 -e
