书生大模型实战营12-InternVL 多模态模型部署微调

文章目录

L2——进阶岛
- InternVL 部署微调实践
- - 0.开发机创建与使用
  - 1.环境配置
  - - 1.1.训练环境配置
    - 1.2.推理环境配置
  - 2.LMDeploy部署
  - - 2.1.LMDeploy基本用法介绍
    - 2.2.网页应用部署体验
    - 2.3 出错解决
    - - 2.3.1 问题1
      - 2.3.2 问题2
  - 3.XTuner微调实践
  - - 3.1.准备基本配置文件
    - 3.2.配置文件参数解读
    - 3.3.数据集下载
    - - 3.3.a.通过huggingface下载
      - 3.3.b.利用share目录下处理好的数据集
    - 3.4.开始微调
  - 4.与AI美食家玩耍
  - 5 模型上传

L2——进阶岛

InternVL 部署微调实践

0.开发机创建与使用

需要的开发机为
镜像：Cuda12.2-conda
资源配置：50% A100 * 1

1.环境配置

1.1.训练环境配置

新建虚拟环境并进入:

conda create --name xtuner-env python=3.10 -y
conda activate xtuner-env

"xtuner-env"为训练环境名。
安装与deepspeed集成的xtuner和相关包：

pip install xtuner==0.1.23 timm==1.0.9
pip install 'xtuner[deepspeed]'
pip install torch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 --index-url https://download.pytorch.org/whl/cu121
pip install transformers==4.39.0 tokenizers==0.15.2 peft==0.13.2 datasets==3.1.0 accelerate==1.2.0 huggingface-hub==0.26.5

1.2.推理环境配置

配置推理所需环境：

conda create -n lmdeploy python=3.10 -y
conda activate lmdeploy
pip install lmdeploy==0.6.1 gradio==4.44.1 timm==1.0.9

"lmdeploy"为推理使用环境名。

2.LMDeploy部署

2.1.LMDeploy基本用法介绍

我们主要通过pipeline.chat 接口来构造多轮对话管线，核心代码为：

## 1.导入相关依赖包
from lmdeploy import pipeline, TurbomindEngineConfig, GenerationConfig
from lmdeploy.vl import load_image

## 2.使用你的模型初始化推理管线
model_path = "your_model_path"
pipe = pipeline(model_path,
                backend_config=TurbomindEngineConfig(session_len=8192))
                
## 3.读取图片（此处使用PIL读取也行）
image = load_image('your_image_path')

## 4.配置推理参数
gen_config = GenerationConfig(top_p=0.8, temperature=0.8)
## 5.利用 pipeline.chat 接口 进行对话，需传入生成参数
sess = pipe.chat(('describe this image', image), gen_config=gen_config)
print(sess.response.text)
## 6.之后的对话轮次需要传入之前的session，以告知模型历史上下文
sess = pipe.chat('What is the woman doing?', session=sess, gen_config=gen_config)
print(sess.response.text)

lmdeploy推理的核心代码如上注释所述。

2.2.网页应用部署体验

我们可以使用UI界面先体验与InternVL对话：

拉取本教程的github仓库https://github.com/Control-derek/InternVL2-Tutorial.git：

cd ~
git clone https://github.com/Control-derek/InternVL2-Tutorial.git
cd InternVL2-Tutorial

在这里插入图片描述
demo.py文件中，MODEL_PATH处传入InternVL2-2B的路径，如果使用的是InternStudio的开发机则无需修改，否则改为模型路径。

启动demo:

conda activate lmdeploy
python demo.py

出现以下内容时，表示服务启动成功
在这里插入图片描述

服务启动后，在本地使用powershell配置端口映射后，输入url，会看到如下界面：
在这里插入图片描述

点击Start Chat即可开始聊天，下方食物快捷栏可以快速输入图片，输入示例可以快速输入文字。输入完毕后，按enter键即可发送。

2.3 出错解决

2.3.1 问题1

如果在对话时发生错误
在这里插入图片描述
需要找到文件

/root/.conda/envs/lmdeploy/lib/python3.10/site-packages/lmdeploy/vl/engine.py

注释掉文件中126、127行，在下边128行添加 self._create_event_loop_task() 后重新运行demo.py，即可解决上面报错。
在这里插入图片描述

2.3.2 问题2

如果为以下报错
在这里插入图片描述
则表示 transformer 版本存在兼容性问题，需要对其进行重新安装。

conda activate lmdeploy
pip install transformers==4.39.0

3.XTuner微调实践

3.1.准备基本配置文件

执行以下命令，先进入工作目录并激活训练环境：

cd /root
git clone https://github.com/InternLM/xtuner.git
cd /root/xtuner
conda activate xtuner-env  # 或者是你自命名的训练环境

原始internvl的微调配置文件在路径./xtuner/configs/internvl/v2下，假设上面克隆的仓库在/root/InternVL2-Tutorial,复制配置文件到xtuner目录下：

cp /root/InternVL2-Tutorial/xtuner_config/internvl_v2_internlm2_2b_lora_finetune_food.py /root/xtuner/xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py

3.2.配置文件参数解读

打开配置文件 /root/xtuner/xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py

在这里插入图片描述
在第一部分的设置中，有如下参数：

path: 需要微调的模型路径，在InternStudio环境下，无需修改。
data_root: 数据集所在路径。
data_path: 训练数据文件路径。
image_folder: 训练图像根路径。
prompt_temple: 配置模型训练时使用的聊天模板、系统提示等。使用与模型对应>- 的即可，此处无需修改。
max_length: 训练数据每一条最大token数。
batch_size: 训练批次大小，可以根据显存大小调整。
accumulative_counts: 梯度累积的步数，用于模拟较大的batch_size，在显存有限的情况下，提高训练稳定性。
dataloader_num_workers: 指定数据集加载时子进程的个数。
max_epochs:训练轮次。
optim_type:优化器类型。
lr: 学习率
betas: Adam优化器的beta1, beta2
weight_decay: 权重衰减，防止训练过拟合用
max_norm: 梯度裁剪时的梯度最大值
warmup_ratio: 预热比例，前多少的数据训练时，学习率将会逐步增加。
save_steps: 多少步存一次checkpoint
save_total_limit: 最多保存几个checkpoint，设为-1即无限制

LoRA相关参数：

r: 低秩矩阵的秩，决定了低秩矩阵的维度。
lora_alpha 缩放因子，用于调整低秩矩阵的权重。
lora_dropout dropout 概率，以防止过拟合。

在这里插入图片描述
如果想断点重训，可以在最下面传入参数：

把这里的load_from传入你想要载入的checkpoint，并设置resume=True即可断点重续。

3.3.数据集下载

我们采用的是FoodieQA数据集，这篇文章中了2024EMNLP的主会，其引用信息如下：

@article{li2024foodieqa,
title={FoodieQA: A Multimodal Dataset for Fine-Grained Understanding of Chinese Food Culture},
author={Li, Wenyan and Zhang, Xinyu and Li, Jiaang and Peng, Qiwei and Tang, Raphael and Zhou, Li and Zhang, Weijia and Hu, Guimin and Yuan, Yifei and S{\o}gaard, Anders and others},
journal={arXiv preprint arXiv:2406.11030},
year={2024}
}

FoodieQA 是一个专门为研究中国各地美食文化而设计的数据集。它包含了大量关于食物的图片和问题，帮助多模态大模型更好地理解不同地区的饮食习惯和文化特色。这个数据集的推出，让我们能够更深入地探索和理解食物背后的文化意义。
可以通过3.3.a.和3.3.b.两种方式获取数据集，根据获取方式的不同，可能需要修改配置文件中的data_root变量为你数据集的路径：
在这里插入图片描述

3.3.a.通过huggingface下载

去huggingface下载此数据集：https://huggingface.co/datasets/lyan62/FoodieQA。该数据集为了防止网络爬虫污染测评效果，需要向提交申请后下载使用。
在这里插入图片描述
申请后，需要等待作者同意才能正常下载，否则下载时会遇到如下错误

当作者同意后，即可在命令行登录huggingface后直接在服务器上下载：

huggingface-cli login

输入huggingface的具有read权限的token即可成功登录。
在这里插入图片描述
使用命令行下载数据集：

huggingface-cli download --repo-type dataset --resume-download lyan62/FoodieQA --local-dir /root/huggingface/FoodieQA --local-dir-use-symlinks False

如果觉得上述过程麻烦，也可以用浏览器下载后，再上传服务器即可。

由于原始数据集格式不符合微调需要格式，需要处理方可使用，在InternVL2-Tutorial下，运行：

cd /root/InternVL2-Tutorial
python process_food.py

即可把数据处理为XTuner所需格式。注意查看input_path和output_path变量与自己下载路径的区别。

3.3.b.利用share目录下处理好的数据集

由于该数据集既要登录huggingface的方法，又需要申请，下完还需要自己处理，因此可以直接使用开发机的 /root/share/datasets/FoodieQA 路径下的数据集。

3.4.开始微调

运行命令，开始微调：

conda activate xtuner-env
xtuner train internvl_v2_internlm2_2b_lora_finetune_food --deepspeed deepspeed_zero2

看到有日志输出，即为启动成功：
在这里插入图片描述
如果报错：keyerror或者Filenotfound之类的，

可能是XTuner没识别到新写的配置文件，需要指定配置文件的完整路径：

xtuner train /root/xtuner/xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py --deepspeed deepspeed_zero2

把/root/xtuner/xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py换成自己配置文件的路径即可。

此过程耗时较长，大概需要两个小时，看到如下结果，即为完成。
在这里插入图片描述

微调后，把模型checkpoint的格式转化为便于测试的格式：

cd /root
conda activate xtuner-env
python xtuner/xtuner/configs/internvl/v1_5/convert_to_official.py xtuner/xtuner/configs/internvl/v2/internvl_v2_internlm2_2b_lora_finetune_food.py ./work_dirs/internvl_v2_internlm2_2b_lora_finetune_food/iter_640.pth ./work_dirs/internvl_v2_internlm2_2b_lora_finetune_food/lr35_ep10/

如果提示文件找不到，需要去到对应的目录下确认文件所在位置。
如果修改了超参数，iter_xxx.pth需要修改为对应的想要转的checkpoint。 ./work_dirs/internvl_v2_internlm2_2b_lora_finetune_food/lr35_ep10/ 为转换后的模型checkpoint保存的路径。

执行完成后如下
在这里插入图片描述

4.与AI美食家玩耍

cd /root/InternVL2-Tutorial

修改 demo.py 文件中MODEL_PATH为刚刚转换后保存的模型路径：
在这里插入图片描述

就像在第2节中做的那样，启动网页应用：

cd /root/InternVL2-Tutorial
conda activate lmdeploy
python demo.py

服务启动后界面如下
在这里插入图片描述

部分case展示：
在这里插入图片描述

5 模型上传

在磨搭上创建模型后，进入执行机将模型仓库克隆下来。

cd ~
git clone https://www.modelscope.cn/xianzaijiweilai/InternVL_test.git

在这里插入图片描述
由于模型文件较大，需要安装 git-lfs 以便将大文件上传到git。

curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | bash
apt-get install git-lfs
rsync -avz /root/work_dirs/internvl_v2_internlm2_2b_lora_finetune_food/lr35_ep10/ /root/InternVL_test/

将之前微调好的模型文件复制到目录中。
在这里插入图片描述
进入到模型文件目录，上传git

cd /root/InternVL_test/
git add .
git lfs track "model.safetensors"
git add .gitattributes
git commit -m "add:InternVL_test"
git push

模型文件较大，上传时需要等待一段时间。
在这里插入图片描述
上传完成后，可在磨搭社区查看到模型文件