Alpaca-Lora (羊驼-Lora): 轻量级 ChatGPT 的开源实现（对标 Standford Alpaca）

总览

本文介绍 Alpaca-Lora (羊驼-Lora)，可以认为是 ChatGPT 轻量级的开源版本，它使用 Lora (Low-rank Adaptation) 技术在 Meta 的 LLaMA 7B 模型上微调，只需要训练很小一部分参数就可以获得媲美 Standford Alpaca 模型的效果；本文重点在它的本地安装方法…

前言（与正文可能无关，可以忽略）

前段时间介绍了 Stanford Alpaca (羊驼)：ChatGPT 学术版开源实现，感觉大家热情高涨，可能 Stanford Alpaca 团队也感受到了这些热情，在线体验地址也暂时关闭了。我看 Stanford Alpaca 的训练代码已经开源，如果要训练的话，需要向 Meta 提交 LLaMA 的申请问卷，目前我已提交，在等 Meta 的邮件回复。

等待过程中惊奇的发现 Alpaca-LoRA: Low-Rank LLaMA Instruct-Tuning 项目，它居然可以直接访问 LLaMA-7B 模型！经过一番折腾，终于在本地成功部署，效果如下：

左边红框我要它输出一段 Python 代码，右边红框中它实现了一个加法函数，效果不错！可惜我 GPU 显存太小，只有 8G，模型参数量化后虽然可以成功加载，但是做预估时会报奇怪的错误，所以我最后一刻决定用 CPU 运行。。。先把问题解决再考虑后续优化。

本文主要介绍一下本地安装的方法。文中列出的资源可以在 “各类资源” 这一节中找到。

LoRA 简要介绍

关于 Alpaca-Lora 和 Stanford Alpaca 模型的区别，我先入为主的印象是，Stanford Alpaca 是在 LLaMA 整个模型上微调，而 Alpaca-Lora 则是利用 Lora 技术（LoRA: Low-Rank Adaptation of Large Language Models），在冻结原模型 LLaMA 参数的情况下，通过往模型中加入额外的网络层，并只训练这些新增的网络层参数。由于这些新增参数数量较少，这样不仅 finetune 的成本显著下降，还能获得和全模型微调类似的效果。想想最近 Stable Diffusion 文生图扩散模型（Stable Diffusion 原理介绍与源码分析（一、总览））的效果，在 LoRA 的加持下，可以生成很高质量的图片。

LoRA 的结构如下：

蓝色模块是原模型，而橙色模块则是新增网络层，通过控制参数 r 的大小，可以有效减少新增网络层的参数。

各类资源

• Alpaca-Lora 地址：https://github.com/tloen/alpaca-lora
• Standford Alpaca 地址：https://github.com/tatsu-lab/stanford_alpaca
• Lora 的论文地址：https://arxiv.org/abs/2106.09685
• LLaMA-7B-HF 模型地址：https://huggingface.co/decapoda-research/llama-7b-hf
• Lora 参数地址：https://huggingface.co/tloen/alpaca-lora-7b
• 如何优雅的下载huggingface-transformers模型: https://zhuanlan.zhihu.com/p/475260268

Alpaca-Lora Colab 体验

如果想在线快速体验，可以使用 Colab，打开 Alpaca-Lora 项目 Github 主页，点击如下红框给出的链接即可。

网速极快，体验贼好，免去了本地安装的一切烦恼。。。

本地安装

环境准备

虽然 README 文件中说使用 pip install -r requirements.txt 就 OK 了，但是我还是决定用 conda 创建一个虚拟环境，environment.yaml 文件如下：

name: alpaca
channels:- pytorch- defaults
dependencies:- python=3.8.5- pip=20.3- cudatoolkit=11.3- pytorch=2.0.0- numpy=1.19.2- pip:- datasets- loralib - sentencepiece- accelerate- bitsandbytes- gradio- appdirs- -e git+https://github.com/huggingface/transformers.git@main#egg=transformers- -e git+https://github.com/huggingface/peft.git@main#egg=peft

然后使用如下命令激活：（顺便吐槽一句，master 分支如今写成 main 分支，哈哈）

conda env create -f environment.yaml
conda activate alpaca

激活后，可以再执行 pip install -r requirements.txt 进行 double check。

运行 generate.py

正常情况下，如果有超过 8G 的 GPU 显存，并且网络之类的都相当 good 的话，那么直接运行 python generate.py 就能成功。

但这篇文章之所以有存在的必要，就是因为遇到太多不正常的情况😂😂😂

首先是模型参数的下载，包括 LLaMA-7B-HF 大模型（地址：https://huggingface.co/decapoda-research/llama-7b-hf）以及 Lora 参数 （地址：https://huggingface.co/tloen/alpaca-lora-7b），下载报 HTTP Requests 之类的错误。

我参考 《如何优雅的下载huggingface-transformers模型》(地址：https://zhuanlan.zhihu.com/p/475260268）一文，安装 huggingface_hub 进行模型下载，速度非常快，执行如下命令下载模型：

>>> from huggingface_hub import snapshot_download
>>> snapshot_download(repo_id="decapoda-research/llama-7b-hf")

结果如下：

不过快下载完的时候报错中断，我把上面的命令重新执行一次，就能正常接着下载：

模型下载成功后，终端会输出模型的保存地址，可以使用 stat -Lc "%n %s" * 命令大致看下各文件大小有没有缺斤少两的，和 Hugging Face 上的模型大小简单对比一下：

该命令中, -L 表示对 soft link 进行处理，-c "%n %s" 指定输出格式，其中 %n 表示文件的名字，%s 表示文件大小，我看着文件大小符合预期。

别忘了 LoRA 模型哈: 执行 snapshot_download(repo_id="tloen/alpaca-lora-7b") 下载 Lora 参数。

然后接着运行 generate.py，可是在如下代码报错：

直接注释即可。

解决上述问题后，我使用 8G 的 GPU 运行，仍然会在中途报 ZeroDivisionError: integer division or module by zero：

我是通过去修改 accelerate 这个包的源码避开这个问题的，需要简单读一下 get_max_memory() 函数的实现。最后运行成功界面如下：

不过也注意到显存快到极限了。因此就算避开了上述问题，由于 GPU 显存天然的限制（就像游戏中要你氪金，你偏不氪，那么体验肯定不会好），后面再其他地方仍会报错，我尝试解决无果，最终决定在 CPU 上运行…

再贴一次成功后的画面：

小结

本文介绍了 ChatGPT 轻量级的开源版本 Alpaca-Lora (羊驼-Lora)，它使用 Lora (Low-rank Adaptation) 技术在 Meta 的 LLaMA 7B 模型上微调，只需要训练很小一部分参数就可以获得媲美 Standford Alpaca 模型的效果。此外还较为详细的介绍了其在本地安装的方法。

经此一役，愈发感慨 GPU 的重要性，哪怕多给我 1G，也不至于如此窘迫。为了省出一点显存资源，我把其他能关闭的进程都关闭了，还得去 debug 之类的… 当初想着自己不玩大型游戏，觉得 8G 够用了… 人类对算力的需求是永无止境的。好好加班，攒信仰！

(对了，可以在微信中搜索 “珍妮的算法之路” 或者 “world4458” 关注我的微信公众号, 及时获取最新原创技术文章更新。。。）