在上一篇文章「Unsloth微调Llama3-8B，提速44.35%，节省42.58%显存，最少仅需7.75GB显存」中，我们介绍了Unsloth，这是一个大模型训练加速和显存高效的训练框架，我们已将其整合到Firefly训练框架中，并且对Llama3-8B的训练进行了测试，Unsloth可大幅提升训练速度和减少显存占用。

遗憾的是，Unsloth目前并不支持Qwen2模型结构，该需求在Unsloth的issue中也被频繁提及，但官方在短期内暂时没有支持Qwen2的计划，更多的是建议用户对Qwen2的权重进行Llama化，然后采用Llama的训练方式。但对Qwen2的权重进行Llama化后，模型性能有显著的下降。注：本文提及的Qwen2指的是模型结构，而非模型权重，Qwen1.5模型属于Qwen2模型结构，Qwen2模型权重尚未开源。

Qwen系列模型具有非常大的用户基数，目前开源的Qwen1.5模型可以视为Qwen2的preview版本，它在中英文任务上具有非常优秀的表现，一度取得中英文开源模型的SOTA，且后续还将继续开源正式版本的Qwen2模型。

基于上述现状，Firefly项目组尝试对Unsloth进行扩展，使其能够支持Qwen2模型进行训练，并且我们取得了不错的效果。在训练测试中，Qwen1.5-7B最少仅需8.43GB显存，这意味着我们可以在一张1080Ti上训练Qwen1.5-7B。开启Unsloth后，Qwen1.5-7B的训练速度可提升47.32%，训练时间可减少32.12%，显存占用可减少39.13%。我们在????Open LLM Leaderboard中验证了模型和训练方法的有效性，更多详情见第三节。

Firefly项目链接：

https://github.com/yangjianxin1/Firefly

Unsloth x Qwen2项目链接：

https://github.com/yangjianxin1/unsloth

模型权重：

https://huggingface.co/YeungNLP/firefly-qwen1.5-en-7b-unsloth

https://huggingface.co/YeungNLP/firefly-qwen1.5-en-7b-dpo-v0.1-unsloth

我们对Unsloth进行了扩展，使其能够支持对Qwen2模型进行训练，扩展后的代码仓库如下：

https://github.com/yangjianxin1/unsloth

使用Unsloth训练Qwen2，需要更新或者安装如下python包：

我们首先测试了Unsloth对Qwen2的训练增益，在一张V100上对Qwen1.5-7B进行QLoRA训练，使用相同的数据集训练20步，开启gradient_checkpointing，每条数据均padding至max_seq_length，在所有linear层均插入adapter，由于V100不支持Flash Attention，所以本测试未开启Flash Attention。Unsloth所带来的训练增益如下表所示。

结合QLoRA与Unsloth训练Qwen1.5-7B，最少仅需8.43GB显存，开启Unsloth后，Qwen1.5-7B的训练速度可提升47.32%，训练时间可减少32.12%，显存占用可减少39.13%。

我们在????Open LLM Leaderboard上对上述SFT与DPO模型进行评测。在该榜单中，我们的模型的平均表现显著优于官方的Qwen1.5-7B-Chat、Gemma-7B-it等模型。

DPO训练过程中的训练指标的变化如下图所示。在训练过程中，Rewards/accuracies和Rewards/margins均处于上升趋势。

DPO训练中的Rewards/accuracies的变化趋势如下，该指标表示较优回答的奖励大于较劣回答的奖励的频率的均值：

DPO训练的Rewards/margins变化趋势如下，该指标表示较优回答的奖励与较劣回答的奖励二者之差的均值：

Unsloth是一个非常优秀的项目，通过优化梯度计算、优化链式矩阵乘法、使用Triton重写内核等手段，达到提升训练速度，减少显存占用的目的。但目前开源版本的Unsloth仅仅是一个尝鲜版，仅支持单机单卡训练，但已足够惊艳，商业版Unsloth则有着更加强劲的提升。

这意味着，在算力不变的情况下，通过软件或者算法层面的优化，大模型训练的成本和速度还有非常大的进步空间，可以预见大模型训练的硬件门槛也将越来越低。最后，期待开源社区的力量，让开源版的Unsloth更加完善。

本文来自微信公众号“YeungNLP”，作者 荷风微摆