FastChat是用于对话机器人模型训练、部署、评估的开放平台。体验地址为:https://chat.lmsys.org/,该体验平台主要是为了收集人类的真实反馈,目前已经支持30多种大模型,已经收到500万的请求,收集了10万调人类对比大模型的数据,可以在排行榜(https://huggingface.co/spaces/lmsys/chatbot-arena-leaderboard)进行查看。
FastChat核心特性包括:
- 提供了SOTA模型(比如Vicuna,FastChat-T5)的模型权重,训练代码,评估代码;
- 分布式多模型部署系统,自带Web UI和OpenAI兼容的RESTful APIs。
一、FastChat安装
方法一:pip安装
pip3 install "fschat[model_worker,webui]"
方法二:源码安装
Step1 克隆源码并切换到对应的目录下
git clone https://github.com/lm-sys/FastChat.gitcd FastChat
如果是mac,还需要执行如下代码
brew install rust cmake
Step2 安装相关的包
pip3 install --upgrade pip # enable PEP 660 supportpip3 install -e ".[model_worker,webui]"
二、FastChat聊天应用
下面展示一下不同模型以及不同大小启用聊天功能
Vicuna模型
模型大小 | 聊天命令 | Hugging Face |
---|---|---|
7B | python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5 |
lmsys/vicuna-7b-v1.5 |
7B-16k | python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5-16k |
lmsys/vicuna-7b-v1.5-16k |
13B | python3 -m fastchat.serve.cli --model-path lmsys/vicuna-13b-v1.5 |
lmsys/vicuna-13b-v1.5 |
13B-16k | python3 -m fastchat.serve.cli --model-path lmsys/vicuna-13b-v1.5-16k |
lmsys/vicuna-13b-v1.5-16k |
33B | python3 -m fastchat.serve.cli --model-path lmsys/vicuna-33b-v1.3 |
lmsys/vicuna-33b-v1.3 |
PS:对于16k模型,需要transformers>=4.31。
LongChat
模型大小 | 聊天命令 | Hugging Face |
---|---|---|
7B | python3 -m fastchat.serve.cli --model-path lmsys/longchat-7b-32k-v1.5 |
lmsys/longchat-7b-32k |
FastChat-T5
模型大小 | 聊天命令 | Hugging Face |
---|---|---|
3B | python3 -m fastchat.serve.cli --model-path lmsys/fastchat-t5-3b-v1.0 |
lmsys/fastchat-t5-3b-v1.0 |
三、FastChat使用命令行进行推理
PS:可以使用 --style rich 来启用富文本输出,提高某些非 ASCII 内容的文本流传输质量。在某些终端上可能无法正常工作。
支持的模型
支持的模型有LLama 2, Vicuna, Alpaca, Baize, ChatGLM, Dolly, Falcon, FastChat-T5, GPT4ALL, Guanaco, MTP, OpenAssistant, OpenChat, RedPajama, StableLM, WizardLM等。查看支持的全部模型和如何添加新模型可以参考:https://github.com/lm-sys/FastChat/blob/main/docs/model_support.md
单GPU
在单GPU下,执行如下命令:
python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5
对于Vicuna-7B 模型大概需要14G显存,对于Vicuna-13B模型大概需要28G显存,如果显存不够,可以参考:https://github.com/lm-sys/FastChat#not-enough-memory
多GPU
支持多GPU并行推理,命令如下:
python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5 --num-gpus 2
有时候"auto"策略在huggingface/transformers不能在多GPU间平衡,因此最好增加参数"--max-gpu-memory",该参数可以指定每个gpu用于存储模型权重的最大内存。这允许它为激活分配更多的内存,因此可以使用更长的上下文长度或更大的批处理大小。最好的命令是:
python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5 --num-gpus 2 --max-gpu-memory 8GiB
仅CPU
在单CPU下,执行如下命令:
python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5 --device cpu
对于Vicuna-7B 模型大概需要30G内存,对于Vicuna-13B模型大概需要60G内存。
如果使用AVX512_BF16/AMX加速CPU推理,命令如下:
CPU_ISA=amx python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5 --device cpu
Metal Backend (带苹果Silicon 或AMD GPU的Mac电脑)
python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5 --device mps --load-8bit
参数"--device mps"在torch>2.0情况下,可以加速mac GPU运算;参数"--load-8bit"可以量化为int8。Vicuna-7B在32GB内存的M1 Mac电脑 上推理时,每秒会生成1 - 2个词。
Intel XPU(Intel Data Center和Arc A-Series GPU)
安装Intel Extension for PyTorch(https://intel.github.io/intel-extension-for-pytorch/xpu/latest/tutorials/installation.html)。设置OneAPI环境变量:
source /opt/intel/oneapi/setvars.sh
使用 --device xpu
启用XPU/GPU加速。
python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.3 --device xpu
Vicuna-7B 可以在Intel Arc A770 16GB上运行。
显存不足
对于显存不够的情况,可以参考量化或者offload策略来部分解决,比如在命令行加入参数"--load-8bit"或者"--cpu-offloading"
python3 -m fastchat.serve.cli --model-path lmsys/vicuna-7b-v1.5 --load-8bit
四、FastChat使用WEB GUI进行推理
使用web UI提供服务,需要三个主要组件:与用户接口的web服务器、托管一个或多个模型的模型worker,以及协调web服务器和模型worker的controller。更多信息可以参考:https://github.com/lm-sys/FastChat/blob/main/docs/server_arch.md
启动controller
python3 -m fastchat.serve.controller
启动模型worker
python3 -m fastchat.serve.model_worker --model-path lmsys/vicuna-7b-v1.5
启动成功后,会看到"Uvicorn running on ...",也可以通过如下命令来测试模型worker是否正确连接controller
python3 -m fastchat.serve.test_message --model-name vicuna-7b-v1.5
启动Gradio Web服务器
python3 -m fastchat.serve.gradio_web_server
五、FastChat模型评估
FastChat使用多轮开放式问题来评估模型。为了实现评估过程的自动化,建议采用像GPT-4这样的强大LLM评估模型的回复(https://github.com/lm-sys/FastChat/blob/main/fastchat/llm_judge)。
具体步骤如下:
-
从不同的模型生成回答:使用
qa_baseline_gpt35.py
获取ChatGPT的回答,或者指定模型检查点并运行get_model_answer.py
获取 Vicuna 和其他模型的回答; -
使用 GPT-4 生成评论:使用 GPT-4 自动生成评论。如果您无法使用 GPT-4 API,则可以手动执行此步骤;
-
生成可视化数据:运行
generate_webpage_data_from_table.py
生成静态网站的数据,以便您可以可视化评估数据; -
可视化数据:在
webpage
目录下提供一个静态网站。您可以使用python3 -m http.server
在本地提供网站服务。
数据格式和贡献
采用JSON Lines 编码的数据格式进行评估,该格式包括有关模型、提示、评论者、问题、回答和评论的信息。
六、FastChat模型微调
6.1 数据
Vicuna 是通过使用从 ShareGPT.com 上收集的约 7 万个用户共享对话使用 LLaMA 基础模型进行微调而创建的,使用了公共的 API。为了确保数据质量,将 HTML 转换回 Markdown,并过滤掉一些不适当或低质量的样本。此外,将较长的对话分割成适合模型最大上下文长度的较小段落(https://github.com/lm-sys/FastChat/blob/main/docs/commands/data_cleaning.md)。
目前可能不会发布 ShareGPT 数据集,如果想尝试微调代码,可以使用 dummy_conversation.json(https://github.com/lm-sys/FastChat/blob/main/data/dummy_conversation.json)中的一些虚拟对话来运行它,可以按照相同的格式插入自己的数据。
6.2 代码和超参数
Hyperparameter | Global Batch Size | Learning rate | Epochs | Max length | Weight decay |
---|---|---|---|---|---|
Vicuna-13B | 128 | 2e-5 | 3 | 2048 | 0 |
6.3 使用本地GPU微调Vicuna-7B模型
pip3 install -e ".[train]"
使用以下命令使用 4 个 A100 (40GB) 对 Vicuna-7B 进行训练
torchrun --nproc_per_node=4 --master_port=20001 fastchat/train/train_mem.py \ --model_name_or_path meta-llama/Llama-2-7b-hf \ --data_path data/dummy_conversation.json \ --bf16 True \ --output_dir output_vicuna \ --num_train_epochs 3 \ --per_device_train_batch_size 2 \ --per_device_eval_batch_size 2 \ --gradient_accumulation_steps 16 \ --evaluation_strategy "no" \ --save_strategy "steps" \ --save_steps 1200 \ --save_total_limit 10 \ --learning_rate 2e-5 \ --weight_decay 0. \ --warmup_ratio 0.03 \ --lr_scheduler_type "cosine" \ --logging_steps 1 \ --fsdp "full_shard auto_wrap" \ --fsdp_transformer_layer_cls_to_wrap 'LlamaDecoderLayer' \ --tf32 True \ --model_max_length 2048 \ --gradient_checkpointing True \ --lazy_preprocess True
参考文献:
[1] https://github.com/lm-sys/FastChat
[2] https://github.com/lm-sys/FastChat/blob/main/docs/openai_api.md
[3] https://github.com/lm-sys/FastChat/blob/main/fastchat/serve/huggingface_api.py
[4] https://github.com/lm-sys/FastChat/blob/main/docs/langchain_integration.md