1、下载chatglm2代码
GitHub - THUDM/ChatGLM2-6B: ChatGLM2-6B: An Open Bilingual Chat LLM | 开源双语对话语言模型
github代码见上面所示
2、下载chatglm2-6B模型
git lfs clone THUDM/chatglm2-6b · Hugging Face
如果存在如下报错：OpenSSL SSL_connect: SSL_ERROR_SYSCALL in connection to github.com:443。
使用命令：git config --global --unset http.proxy
然后再多执行几次git lfs clone xxx的命令。
3、运行chatglm2
修改web_demo2.py中model位置的代码
然后执行启动命令：streamlit run web_demo2.py，
运行时模型以 FP16 精度加载，占用GPU显存为：13161MiB
注意：确保transformers的版本为4.30.2，否则会报错：ImportError: cannot import name 'GenerationConfig' from 'transformers.generation.utils'。
4、微调p-tuning
（1）官方INT4量化版本
官方教程地址：https://www.heywhale.com/mw/project/64984a7b72ebe240516ae79c
下载AdvertiseGen数据集（见教程中的链接）到ptuning目录下，如下图所示：
/data/work/xiehao/ChatGLM2-6B/ptuning/AdvertiseGen
安装除ChatGLM2-6B的依赖之外的其他python依赖包
pip install rouge_chinese nltk jieba datasets transformers[torch] -i https://pypi.douban.com/simple/
执行命令：
torchrun --standalone --nnodes=1 --nproc-per-node=1 main.py \
--do_train \
--train_file AdvertiseGen/train.json \
--validation_file AdvertiseGen/dev.json \
--preprocessing_num_workers 1 \
--prompt_column content \
--response_column summary \
--overwrite_cache \
--model_name_or_path /data/work/xiehao/chatglm2-6b-model \
--output_dir output/adgen-chatglm2-6b-pt \
--overwrite_output_dir \
--max_source_length 64 \
--max_target_length 128 \
--per_device_train_batch_size 1 \
--per_device_eval_batch_size 1 \
--gradient_accumulation_steps 16 \
--predict_with_generate \
--max_steps 3000 \
--logging_steps 10 \
--save_steps 1000 \
--learning_rate 2e-2 \
--pre_seq_len 128 \
--quantization_bit 4运行占用GPU显存为：7945MiB，3000个steps整体需要4个小时。
运行日志如下：
运行完成后，生成的模型位于：
ChatGLM2-6B/ptuning/output/adgen-chatglm2-6b-pt/checkpoint-3000下
模型比较：
Chatglm2的大模型约为12G，而微调模型约为7M。
测试微调前后的效果对比：
测试代码：
from transformers import AutoTokenizer, AutoModel, AutoConfig
import os
import torch
chat_str = "类型#上衣\*材质#牛仔布\*颜色#白色\*风格#简约\*图案#刺绣\*衣样式#外套\*衣款式#破洞"
model_path = "/data/work/xiehao/chatglm2-6b-model"
lora_model_path = "/data/work/xiehao/ChatGLM2-6B/ptuning/output/adgen-chatglm2-6b-pt/checkpoint-3000/pytorch_model.bin"
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
# 微调前
#model = AutoModel.from_pretrained(model_path, trust_remote_code=True, device='cuda')
#model = model.eval()
#response, history = model.chat(tokenizer, chat_str, history=[])
#print(response)
# 微调后
config = AutoConfig.from_pretrained(model_path, trust_remote_code=True, pre_seq_len=128)
model = AutoModel.from_pretrained(model_path, config=config, trust_remote_code=True)
prefix_state_dict = torch.load(lora_model_path)
new_prefix_state_dict = {}
for k, v in prefix_state_dict.items():
if k.startswith("transformer.prefix_encoder."):
new_prefix_state_dict[k[len("transformer.prefix_encoder."):]] = v
model.transformer.prefix_encoder.load_state_dict(new_prefix_state_dict)
model = model.cuda()
model.transformer.prefix_encoder.float()
model = model.eval()
response, history = model.chat(tokenizer, chat_str, history=[])
print(response)微调前的输出：
这是一个描述一件上衣的文本,它采用牛仔布材质,颜色为白色,风格是简约的,图案是刺绣的,衣样式是外套,衣款式是破洞的。
微调后的输出：
这一款牛仔外套采用白底黑字的图案设计，简约大方，彰显出帅气又酷酷的气息。衣身上的刺绣图案，在微光下显得特别的帅气有型。衣身上的破洞处理，彰显出酷酷的时尚感，让整件外套充满了个性。
（2）非量化版本
官方的微调脚本中包含“--quantization_bit 4”，输出INT4量化后的lora模型。
当然我们也不可以不用量化模型，直接去掉就好了。
此时会要求安装accelerate依赖包，执行命令：pip install accelerate -U，其他参数同之前的一样。
此时占用15393MiB的GPU显存，执行时间只要2个小时左右，loss下降的也更快。
5、AutoModel加载使用模型解读
入口调用：model = AutoModel.from_pretrained(model_path, trust_remote_code=True)
首先，通过AutoConfig读取model_path目录下的config.json的参数信息
然后，动态读取模型参数和模型网络结构信息。
在config.json的auto_map的AutoModel信息如下：modeling_chatglm.ChatGLMForConditionalGeneration
其中modeling_chatglm为模型名称信息，ChatGLMForConditionalGeneration为类型信息
通过modeling_chatglm.py的ChatGLMForConditionalGeneration就可以获取到大模型对应的网络结构信息，接着再加载模型文件进而生成模型的实例。
最后，通过model.chat(tokenizer, chat_str, history=[])生成结果，就是调用ChatGLMForConditionalGeneration实例的chat方法。
6、微调部分解读
从微调后使用可以看出，ChatGLM只重新训练了网络结构的PrefixEncoder部分的代码。
这层网络主要是根据prompt的tokens生成embedding，可参考网络源码：
def get_prompt(self, batch_size, device, dtype=torch.half):
prefix_tokens = self.prefix_tokens.unsqueeze(0).expand(batch_size, -1).to(device)
past_key_values = self.prefix_encoder(prefix_tokens).type(dtype)微调完成后将这部分的模型信息更新到原来的大模型中。