Skip to content

README_zh.md

Latest commit

 

History

History
187 lines (140 loc) · 10.6 KB

README_zh.md

File metadata and controls

187 lines (140 loc) · 10.6 KB
Raw

DeepSeek-V3/R1-671B 全参数微调指南

DeepSeek-V3/R1 满血版 671B 全参数微调的开源解决方案，包含从训练到推理的完整代码和脚本，以及实践中积累一些经验和结论，由中国科学院自动化研究所和中科闻歌联合推出。

🌟 项目亮点

  • 实现了包含 DeepSeek-V3/R1 训练逻辑的 modeling 文件（详见 ./model，根据 Deepseek-V3 论文并结合 Deepseek-V2 的 modeling 文件进行代码逻辑补全）；
  • 实现了基于数据并行（DeepSpeed ZeRO）+ 序列并行（SP）的 DeepSeek-V3/R1 671B 满血版全参数微调；
  • 总结了模型训练和部署全流程踩坑经验、遇到的问题及解决方案。

🚀 快速开始

1. 硬件配置

单台服务器配置如下表，集群中共 32 台相同配置的机器，共享 100TB 存储空间，挂载路径为 /nfs。机器操作系统为 Ubuntu 22.04，机器之间使用 IB 网络进行通信，GPU 之间通过 NVLink 通信，CUDA 版本为 12.6。

组件 规格/版本 查看详细配置命令
GPU 8 x NVIDIA H100 80GB HBM3 nvidia-smi
CPU Intel(R) Xeon(R) Platinum 8463B (96 Cores) lscpu
内存 2.0TB DDR4 free -h
存储 100TB NVMe SSD df -h
网络 InfiniBand 400G ibstat
操作系统 Ubuntu 22.04 uname -a
CUDA CUDA 12.6 nvcc -V

2. 环境配置

我们基于 xtuner 框架进行扩展和改进，使其支持 Deepseek V3/R1（即 DeepseekV3ForCausalLM 模型架构）的全参数微调，支持数据并行（DeepSpeed ZeRO based DP）和序列并行（Sequence Parallel, SP）。

安装 Python 环境，可根据项目中 requirements.txt 安装依赖包，并将 ./code/xtuner 与 DeepseekV3ForCausalLM 训练相关的核心代码覆盖原始 xtuner package 的对应代码即可。

conda create -n ds_env python=3.10
conda activate ds_env
pip install -r requirements.txt

# 覆盖核心代码 这里修改为你的环境路径
YOUR_ENV_PATH='/nfs/miniconda3/envs/ds_env/lib/python3.10/site-packages'
cp -r ./code/xtuner $YOUR_ENV_PATH

3. 数据准备

我们基于 OpenAI 标准数据格式进行扩展以兼容 reasoning 数据，每条原始训练数据格式如下。如果有思考过程，则 assistant 角色的 reasoning_content 字段非空。

{
  "messages": [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "用户问题"},
    {"role": "assistant", "content": "最终回答", "reasoning_content": "思考过程"}
  ]
}

为了简化处理逻辑，我们将 reasoning_content 和 content 按照 Deepseek 的训练格式合并到 content 字段中。此外，为了兼容多轮对话的训练逻辑，还为 assistant 角色的每轮添加了 loss 字段，仅对值为 true 的 content 内容计算 loss。

{
  "messages": [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "用户问题"},
    {"role": "assistant", "content": "<think>\n思考过程\n</think>\n\n最终回答", "loss": true}
  ]
}

为了更清晰地展示数据存储格式，我们提供了一份转换后的数据样例文件 ./data/train_example.json 以供参考。

在实际训练时，程序会根据 Deepseek V3/R1 的训练模版自动转换为如下格式，这里仅供展示：

<｜begin▁of▁sentence｜>You are a helpful assistant.<｜User｜>用户问题<｜Assistant｜><think>\n思考过程\n</think>\n\n最终回答<｜end▁of▁sentence｜>

4. 启动训练

我们提供了训练代码和训练启动脚本，其中：

  • ./code/scripts/sft_deepseek.py：sft训练所需的配置文件，包括超参数设置、model和tokenizer配置、训练策略等，模型训练相关的配置均在此文件修改。
  • ./code/scripts/sft_deepseek.sh：sft训练启动脚本，该脚本为单个节点的执行文件，因此需要通过 slurm 或 pdsh 在每台机器执行。对于每台机器，训练启动命令的唯一不同为 NODE_RANK 值，如果共 32 台机器，则该编号分别从 0 到 31。

以 pdsh 为例，启动训练需要以下步骤：

  1. 将本项目 ./model 中提供的包含训练所需代码逻辑的 modeling_deepseek.py 文件覆盖从 huggingface 等托管平台下载的对应原始文件；
  2. 使用 pdsh 启动训练，在 0 号机器执行命令 pdsh -R ssh -w node[0-31] 'bash ./code/scripts/sft_deepseek.sh'，即可启动 32 台机器的模型全参数微调任务。其中，node[0-31] 需根据你的机器 hostname 或 IP 地址进行修改。训练过程中，可通过 tensorboard 对训练过程（loss变化等）进行可视化。

以下是我们做的几组实验的结论，包括在不同并行策略等配置下模型训练的可行性。训练数据 ~100k，训练上下文长度为 32k。表中报告了每次实验使用的机器数量（nodes）、序列并行度（sp）、数据并行方式（dp）、单卡 batch size（bs）、迭代轮次（epoch）、学习率（lr）、单卡显存（mem）、实验记录和备注（notes）。

nodes sp dp bs epoch lr mem notes
16 8 zero3_offload 2 1 2e-7 ~30GB ✅ 可训练
32 8 zero3_offload 1 1 1e-5 ~32GB ✅ 可训练
32 4 zero3_offload 1 1 2e-7 ~25GB ✅ 可训练
32 1 zero3_offload 1 1 2e-7 ~30GB ✅ 可训练
32 4 zero3_offload 2 1 2e-7 ~74GB ✅ 可训练（推荐）
32 1 zero3_offload 2 1 2e-7 OOM ❌ 显存溢出
32 4 zero3 1 1 2e-7 OOM ❌ 显存溢出
32 1 zero3 1 1 2e-7 OOM ❌ 显存溢出

以下是训练过程中的一个截图，我们观察到，从 DeepSeek V3 对我们构建的 reasoning 数据进行全参数微调时，起始 loss 通常在 3.5 左右，经过 1 epoch 训练后，loss 收敛到 1.2 左右。

训练日志

5. 模型权重转换

训练过程中建议使用至少 100TB 的 SSD 大容量存储，因为单个 pth 中间结果大约占 7.4TB 硬盘空间。训练完成后，我们需要将 pth 转换为主流推理框架（如vllm等）较好兼容的 huggingface 格式。在单台机器节点执行 bash ./code/scripts/convert_pth_to_hf.sh 即可完成模型权重格式转换，可根据实际情况修改脚本中的 pth 路径和权重保存路径。

需要注意的是，由于本过程对 CPU 内存有较大需求，因此可以通过虚拟内存进行扩展，防止 Out-of-memory。Swap（交换分区） 是 Linux 的虚拟内存，作用是当物理内存（RAM）不够用时，把部分数据存入磁盘，释放 RAM。

sudo fallocate -l 8192G /tmp/swapfile  # 创建 8T 交换文件
sudo chmod 600 /tmp/swapfile
sudo mkswap /tmp/swapfile
sudo swapon /tmp/swapfile
free -h  # 检查 swap 是否增加

6. 模型推理部署

根据 Deepseek V3 Github 的介绍，可以使用多种方式进行模型本地化部署。我们使用 vLLM 对全参数微调后的模型进行简单部署测试。这里假设已经根据 vLLM 官网文档的指引创建了名为 vllm 的环境。

如果使用 slurm 集群，可参考我们提供的脚本并执行 sbatch 命令 sbatch ./code/scripts/vllm_deploy_slurm.sh 即可提交作业。半精度（bf16/fp16）模型建议使用4台机器32卡进行部署，如需配置 ray 或 api server 的端口号，可自行修改 sh 文件。

如果需要通过 pdsh 启动部署（假设使用 node0~node3 四台机器），可参考以下步骤：

  1. 设置环境变量（node0~node3）。
export HEAD_ADDR="node0"
export DASHBOARD_PORT=8265
export HEAD_PORT=6379
export RAY_TMPDIR=/tmp/ray_tmp/
export RAY_ADDRESS=$HEAD_ADDR:$HEAD_PORT
  1. 启动 Ray Head（node0）。
pdsh -R ssh -w node0 "source /nfs/miniconda3/etc/profile.d/conda.sh && conda activate vllm && \
ray start --block --head --port=$HEAD_PORT --dashboard-port=$DASHBOARD_PORT --temp-dir=$RAY_TMPDIR"
  1. 启动 Ray Worker（node1~node3）。
pdsh -R ssh -w node1,node2,node3 "source /nfs/miniconda3/etc/profile.d/conda.sh && conda activate vllm && \
ray start --block --address=$HEAD_ADDR:$HEAD_PORT"
  1. 启动 vLLM（node0）。
pdsh -R ssh -w node0 "source /nfs/miniconda3/etc/profile.d/conda.sh && conda activate vllm && \
vllm serve /path/of/your/deepseek_sft_ckpt \
    --tensor-parallel-size 8 \
    --pipeline-parallel-size 4 \
    --served-model-name deepseek-r1-sft \
    --max-model-len 32768 \
    --trust-remote-code \
    --enable-reasoning \
    --reasoning-parser deepseek_r1"

启动完成后，可通过 curl 命令测试接口是否正常启动：

curl -X POST http://node0:8000/v1/chat/completions -d '{"model": "deepseek-r1-sft", "messages":[{"role":"user", "content": "hello"}]}' -H "Content-Type: application/json"

稍等片刻后，如果终端输出符合预期的响应结果，则说明从训练到部署到整个过程顺利完成！🎉如果以上各个环节出现任何问题，或有任何改进建议，欢迎提 issue 进行反馈，我们会尽可能及时回复和解答。

🤝 致谢

🔍 License

本项目采用 Apache-2.0 License 开源协议。

⭐ Star History

Star History Chart