Qwen2模型Text2SQL微调与GGUF量化完整技术实现与步骤详解

这里，模型我们选择Qwen2-1.5B模型，微调框架使用Llama-Factory。

Qwen2-1.5B微调

首先从环境搭建入手。建议使用conda创建一个干净的Python环境，这是确保后续步骤顺利的基础。 **准备python环境** ```bash conda create --name llama_factory python=3.11 conda activate llama_factory ``` **部署llama-factory** 接下来，克隆Llama-Factory框架并安装所需的依赖包。这里有几个容易踩坑的地方需要注意：例如在Windows系统下运行QLoRA量化时，需要单独安装bitsandbytes的Windows预编译版本；如果启动时报错`get_full_repo_name`，只需安装chardet库即可解决。 ```bash git clone --depth 1 https://github.com/hiyouga/LLaMA-Factory.git cd LLaMA-Factory pip3 install -e ".[torch,metrics]" # 如果要在 Windows 平台上开启量化 LoRA（QLoRA），需要安装预编译的 bitsandbytes 库 pip3 install https://github.com/jllllll/bitsandbytes-windows-webui/releases/download/wheels/bitsandbytes-0.41.2.post2-py3-none-win_amd64.whl # 安装pytorch conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia # 如启动报错，出现ImportError: cannot import name 'get_full_repo_name' from 'huggingface_hub'，需安装chardet pip3 install chardet ``` 执行`python src/webui.py`启动，就可以看到图形化界面了： **Text2SQL微调** 接下来是全文的核心环节——微调。我们分步骤详细说明。 **（1）准备样本数据集**。数据格式至关重要，采用典型的指令微调格式。一个完整的样本示例如下： ```json { "db_id":"department_management", "instruction":"I want you to act as a SQL terminal in front of an example database, you need only to return the sql command to me.Below is an instruction that describes a task, Write a response that appropriately completes the request.\n\n##Instruction:\ndepartment_management contains tables such as department, head, management. Table department has columns such as Department_ID, Name, Creation, Ranking, Budget_in_Billions, Num_Employees. Department_ID is the primary key.\nTable head has columns such as head_ID, name, born_state, age. head_ID is the primary key.\nTable management has columns such as department_ID, head_ID, temporary_acting. department_ID is the primary key.\nThe head_ID of management is the foreign key of head_ID of head.\nThe department_ID of management is the foreign key of Department_ID of department.\n\n", "input":"###Input:\nHow many heads of the departments are older than 56 ?\n\n###Response:", "output":"SELECT count(*) FROM head WHERE age > 56", "history":[] } ``` **（2）注册数据集**。将制作好的JSON文件放置到`LLaMA-Factory/data`目录下，然后在`dataset_info.json`中添加相应的配置项。 ```json "text2sql_train": { "file_name":"text2sql_train.json", "columns":{ "prompt":"instruction", "query":"input", "response":"output", "history":"history" } }, "text2sql_dev":{ "file_name":"text2sql_dev.json", "columns":{ "prompt":"instruction", "query":"input", "response":"output", "history":"history" } } ``` **（3）配置训练参数**。这一步虽然参数较多，但意义清晰明确。下面是一套可以直接参考的配置： ```bash llamafactory-cli train ` --stage sft ` --do_train True` --model_name_or_path D:\LLM\Qwen2-1.5B-Instruct ` --preprocessing_num_workers 16` --finetuning_type lora ` --quantization_method bitsandbytes ` --template qwen ` --flash_attn auto ` --dataset_dir D:\python_project\LLaMA-Factory\data ` --dataset text2sql_train ` --cutoff_len 1024 ` --learning_rate 0.0001` --num_train_epochs 2.0 ` --max_samples 100000` --per_device_train_batch_size 2 ` --gradient_accumulation_steps 4` --lr_scheduler_type cosine ` --max_grad_norm 1.0` --logging_steps 20 ` --sa ve_steps 500` --warmup_steps 0 ` --optim adamw_torch ` --packing False ` --report_to none ` --output_dir sa ves\Qwen2-1.5B-Chat\lora\train_2024-07-19-19-45-59 ` --bf16 True` --plot_loss True ` --ddp_timeout 180000000` --include_num_input_tokens_seen True ` --lora_rank 8` --lora_alpha 16 ` --lora_dropout 0` --lora_target all ``` **（4）推理评估**。训练完成后，使用测试集进行推理，评估模型效果。从评测指标来看，模型表现相当出色： ```json { "predict_bleu-4":88.43791015473889, "predict_rouge-1":92.31425483558995, "predict_rouge-2":85.43010570599614, "predict_rouge-l":89.06327794970986, "predict_runtime":1027.4111, "predict_samples_per_second":1.006, "predict_steps_per_second":0.503 } ``` 这里简要解读一下各评估指标的含义： * **predict_bleu-4**：BLEU-4分数，衡量生成文本与参考文本的4-gram匹配度，数值越高表示越接近标准答案，满分为100。 * **predict_rouge-1和predict_rouge-2**：ROUGE-1和ROUGE-2，分别评估单个词和双词序列的匹配程度，同样越高越好。 * **predict_rouge-l**：ROUGE-L，基于最长公共子序列的匹配度。 * **predict_runtime**：预测总耗时。 * **predict_samples_per_second**：每秒生成的样本数。 * **predict_steps_per_second**：每秒执行的预测步数。 从数据来看，模型效果令人满意，您可以基于自己的样本数据灵活调整各参数。 **（5）导出模型**。当效果达到预期后，可以将微调后的LoRA权重合并并导出。注意在导出时选择您训练好的checkpoint。

GGUF模型

微调完成后导出的模型通常是safetensors格式。为了让模型在本地更高效地运行，我们需要将其转换为GGUF格式，并使用llama.cpp进行部署。推荐使用`w64devkit + make`方案来编译llama.cpp。 **安装make** 下载地址：https://gnuwin32.sourceforge.net/packages/make.htm 安装完成后，将安装路径添加到系统环境变量PATH中。在终端验证一下，如果出现版本信息即表示安装成功： ```bash >make -v GNU Make 3.81 Copyright (C) 2006 Free Software Foundation, Inc. This is free software; see the source for copying conditions. There is NO warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. This program built for i386-pc-mingw32 ``` **安装MinGW** 下载MinGW，并将`mingw64/bin`目录也添加到环境变量PATH中。 **安装w64devkit** 下载地址：https://github.com/skeeto/w64devkit/releases 下载`w64devkit-fortran-1.23.0.zip`后解压。**注意**：解压路径中**不要包含中文**。 **编译llama.cpp** 下载地址：https://github.com/ggerganov/llama.cpp 使用w64devkit的终端进入llama.cpp目录，然后执行`make`。编译成功后，会生成一系列exe文件。 ```bash ~ $ cd D: D:/ $ cd /LLM/llama.cpp D:/LLM/llama.cpp $ make ``` make成功后，安装Python依赖： ```bash conda create --name llama_cpp python=3.11 conda activate llama_cpp pip3 install -r requirements.txt ``` **转换为GGUF FP16格式** 准备工作就绪后，进入核心转换环节。使用`convert_hf_to_gguf.py`脚本即可将safetensors模型转换为GGUF的FP16格式： ```bash # model_path/mymodel为我们实际的模型路径 python convert_hf_to_gguf.py model_path/mymodel ``` 运行日志会详细展示转换过程，最终生成一个`.gguf`文件。 **模型量化** FP16格式的模型虽然精度高，但占用空间较大。为了进一步压缩模型体积，可以对其进行量化。例如，使用Q4_K_M方法： ```bash # model_path/mymodel-F16.gguf为刚刚得到的FP16模型，model_path/mymodel_Q4_k_M.gguf为要得到的量化模型，Q4_K_M为使用Q4_K_M方法 llama-quantize.exe model_path/mymodel-F16.gguf model_path/mymodel_Q4_k_M.gguf Q4_K_M ``` 量化完成后，即可获得一个体积更小、推理速度更快的`Qwen2-1.5B-Instruct_Q4_k_M.gguf`模型。至此，从微调到部署的完整流程已全部打通。