使用多任务高效微调框架MFTCoder,以DeepSeek-Coder-33b模型为底座,微调获得的CodeFuse-DeepSeek-33b模型在BigCodeModelsLeaderboard代码大模型榜单上以43.58% WinRate成为新晋榜首,同时模型在NLP任务上也取得了很好的表现。本文我们将介绍该模型的得来和使用,包括训练数据、训练超参设置、模型评测效果以及如何获取该模型和基于它继续微调。我们已经在HuggingFace和ModelScope开放了模型下载(下载地址在文末),并同步提供了4bit量化版本供大家直接部署到生产环境。
图1: Big Code Models LeaderBoard榜单截图(截取时间2024-01-30)。BigCodeModelsLeaderboard(https://huggingface.co/spaces/bigcode/bigcode-models-leaderboard)是由HuggingFace BigCode团队维护的代码大模型榜单,是代码大模型领域比较权威的评测榜单。
多任务微调MFT
我们选择以DeepSeek-Coder-33b模型为底座,使用多任务微调框架MFTCoder对5个下游任务数据进行微调,得到CodeFuse-DeepSeek-33b模型。以下将更为详细地进行介绍。
训练数据
本次训练我们设置了5个下游任务,如下表1所示,包括代码补全任务、文本生成代码任务、单测生成任务、自然语言表述对齐任务和代码练习题任务,共约168万样本数据。得益于我们开源的多任务微调框架MFTCoder,这些下游任务能一定程度上相互促进,比直接将所有任务数据混合为一后微调表现更优。
表1: 下游任务训练数据统计
序号 |
MFT下游任务 |
任务能力 |
#Samples |
1 |
单测用例生成 |
给定函数级代码生成单元测试用例 |
390,393 |
2 |
代码补全 |
根据前文补全代码(方法级) |
192,547 |
3 |
文本生成代码 |
基于文本描述生成功能代码 |
66,862 |
4 |
NLP表述对齐 |
增强NLP理解能力 |
951,278 |
5 |
代码练习题 (JAVA/CPP/GO) |
基于文本描述生成基础功能代码 |
82,603 |
#Total |
1,683,683 |
关键超参设置
本次微调使用的是我们已经开源的多任务微调框架MFTCoder(https://github.com/codefuse-ai/MFTCoder/tree/main/mftcoder_accelerate),MFTCoder支持多模型适配(包括Llama 1/2、CodeLlama、Qwen、Baichuan 2、ChatGLM 2/3、CodeGeex 2、GPT-NEOX、Mistral、DeepSeek等)、多任务并行、多种均衡Loss设计、PEFT(Lora和QLora)高效微调,此前已被采纳为Qwen Code AI竞赛初赛推荐微调框架(https://tianchi.aliyun.com/competition/entrance/532169/information)。本次训练使用的关键超参设置如下表2所示,更多详细的参数说明可参考https://github.com/codefuse-ai/MFTCoder/tree/main/mft_peft_hf#32-loraqlora
表2: MFTCoder微调关键超参设置及解释
参数名称 |
参数值 |
简要解释 |
data_split |
“98,2,0” |
98%数据用于训练,2%用于验证 |
padding_mode |
“padding” |
使用动态填充模式,即每张卡每个batch大小是由每次其中的最长者动态决定而不是固定大小。另一种可选数据模式是”pack”。 |
dynamic_padding |
True |
|
weighted_loss_mode |
“case3” |
使用数据均衡Loss函数,更多细节可见论文https://arxiv.org/abs/2311.02303 |
peft_type |
“qlora” |
采取QLora 4bit量化微调模式 |
quantization |
“4bit” |
|
lora_rank |
192 |
决定可训练参数比例 |
lora_alpha |
32 |
|
per_device_train_batch_size |
4 |
训练时单卡batch大小 |
per_device_eval_batch_size |
4 |
验证时单卡batch大小 |
learning_rate |
5e-5 |
初始学习率 |
min_lr |
1e-6 |
最小学习率 |
gradient_accumulation_steps |
1 |
梯度累积步数,如果为2,则每累积2步再更新参数,资源不足是一种间接增加global batch size的方式 |
world_size |
64 |
GPU卡数,使用64张A100/A100卡 |
evalation_steps |
500 |
每500步验证一次 |
checkpointing_steps |
500 |
每500步保存一次检查点 |
num_train_epochs |
10 |
最大训练轮数,最大10轮 |
early_stopping |
True |
开启early-stopping机制,即当连续3个检查点的eval loss均比倒数第4个检查点的eval loss大时终止训练 |
early_stopping_stall_num |
3 |
使用前述训练数据和配置,经过156.5小时,模型在完成5.09 Epochs训练后触发Early-Stopping策略后终止。
模型效果
我们从代码能力和NLP能力两个方面对训练获得的CodeFuse-DeepSeek-33b进行了测试,pass@1测试均采用greedy解码模式(即doSample=False, num_beams=1, num_return_sequences=1)。
代码能力
我们选取了常用的代码评测集对模型进行评测,首先我们使用自己的CodeFuse-Evaluation评测框架(https://github.com/codefuse-ai/codefuse-evaluation)对模型在HumanEval-X(含HumanEval)和MBPP测试集上的表现进行了测试并与CodeFus此前微调过的模型进行了比较,如下表3和表4所示。
CodeFuse-DeepSeek-33b在HumanEval上pass@1指标值为78.65%、在MBPP上为71%(zero-shot),两项平均为74.83%,略高于DeepSeek-Coder-Instruct-33B。
CodeFuse-DeepSeek-33b在多语言评测集HumanEval-X上pass@1指标值平均为67.07%,比此前我们开放的CodeFuse-CodeLlama-34b模型高6.69%,在具体各种语言上高出3.48%~12.19%不等。
表3: CodeFuse-DeepSeek-33b模型与其他开源底座模型及微调模型在HumanEval和MBPP上的对比
表4: CodeFuse-DeepSeek-33b模型与其他开源底座模型及MFT微调模型在HumanEval-X上的对比
由于不同评测框架在代码后处理和生成终止条件(Stop Words)等方面常存在差异,除了用我们自己的CodeFuse-Evaluation评测框架,我们也用代码大模型榜单Big Code Models LeaderBoard所用的开源评测框架bigcode-evaluation-harness (https://github.com/bigcode-project/bigcode-evaluation-harness)进行了评测,并与榜单上的模型进行了比较。榜单会测试模型在Python代码补全测试集HumenEval和多语言代码补全测试集MultiPL-E共12种语言上的表现,并根据各语言表现进行WinRate排序。(结果复现代码地址:https://github.com/twelveand0/bigcode-evaluation-harness)
表5: 采用bigcode-evaluation-harness评测CodeFuse-DeepSeek-33b模型后的新榜单
如表5所示,CodeFuse-DeepSeek-33b模型的WinRate为43.58%,超过原榜首DeepSeek-Coder-33b-instruct。在HumanEval评测集上,CodeFuse-DeepSeek-33b表现不如DeepSeek-Coder-33b-instruct,但在其他8种语言(包括Java和JS等)上超过后者,均值(Average Score)亦超过后者1.7%。
NLP通用能力
对于NLP通用能力测试,我们参照OpenCompass选择了18个评测集,包括语言能力(AFQMC、CHID、Wic、WSC)、推理能力(COPA、CMNLI、OCNLI、Ax-b、Ax-g、RTE)、理解能力(CSL、C3、EPRSTMT)、学科综合能力(MMLU、C-Eval、ARC-c)、代码能力(HumanEval、MBPP)。对于每个模型,我们会使用生成式和PPL方式计算每个指标,并在每个维度上选取两种方式中较高的值作为指标值。
图2: CodeFuse-DeepSeek-33b NLP通用能力雷达图
CodeFuse-DeepSeek-33b模型的评测结果如图3雷达图所示,我们将其与底座模型DeepSeek-Coder-33b和DeepSeek通用模型DeepSeek-67b-Chat进行了对比。从图中可以看出,相较于底座模型De服务器托管网epSeek-Coder-33b,CodeFuse-DeepSeek-33b在所有维度上均有正向提升;相较于我们此前开源的CodeFuse-CodeLlama-34b,CodeFuse-DeepSeek-33b在绝大多数维度上表现更优;相较于通用模型DeepSeek-67b-Chat,CodeFuse-DeepSeek-33b在语言能力、代码能力和理解能力上整体表现更优,在推理能力上表现稍差,在学科综合能力上差距较大。考虑到模型参数规模差距和底座目标功能类型差异,我们认为CodeFuse-DeepSeek-33b已经表现很好。
模型INT4量化
为了便于直接部署投入生产,我们同步提供了CodeFuse-DeepSeek-33b-INT4量化版本。对于量化后的模型,我们测试了它的代码能力,如表5所示,量化后模型在代码补全任务上只有微弱降幅。
表5:模型量化前后在HumanEval-X和MBPP上的指标对比
Model |
HumanEval-X |
MBPP |
||||
Python |
Java |
C++ |
JS |
Go |
||
CodeFuse-DeepSeek-33b |
78.65% |
67.68% |
65.85% |
67.07% |
56.10% |
71.0% |
CodeFuse-DeepSeek-33b-INT4 |
78.05% |
68.29% |
62.19% |
64.63% |
55.49% |
此外,我们测试了该模型实际部署后的性能。测试环境为单张A10(24G显存)、部署框架为NVIDIA开源的tensorRT。测试结果具体如表6所示:
表6: CodeFuse-DeepSeek-33b-INT4在单张A10的推理性能
模型版本 |
CodeFuse-DeepSeek-33b |
|
推理速度指标 |
Tokens/s |
|
模型并行/gpu型号 |
|
单卡A10 |
量化格式 |
|
int4 |
输入/输出长度 |
16/8 |
21.7 |
64/32 |
21.5 |
|
256/128 |
21.1 |
|
1024/512 |
20.5 |
模型下载试用
我们开放了量化前后2个模型的下载,提供了推理格式和推理示例,并说明了如何在此基础上继续微调。
下载
我们已经将2个模型(CodeFuse-DeepSeek-33b和CodeFuse-DeepSeek-33b-INT4)发布到HuggingFace和ModelScope社区,大家可以选择通过以下链接下载:
Model |
HuggingFace |
ModelScope |
CodeFuse-DeepSeek-33b |
https://huggingface.co/codefuse-ai/CodeFuse-DeepSeek-33B |
https://modelscope.cn/models/codefuse-ai/CodeFuse-DeepSeek-33B/summary |
CodeFuse-DeepSeek-33b-4bits |
https://huggingface.co/codefuse-ai/CodeFuse-DeepSeek-33B-4bits |
https://modelscope.cn/models/codefuse-ai/CodeFuse-DeepSeek-33B-4bits/summary |
推理格式与代码
CodeFuse-DeepSeek-33b使用的推理格式如下:
system
{THIS IS YOUR SYSTEM PROMPT}
human
{THIS IS YOUR PROMPT of ROUND 1}
bot
{THIS IS MODEL's RESPONSE of ROUND 1}
human
{THIS IS YOUR PROMPT of ROUND 2}
bot
在这个格式中,sysem部分是可选的,对话轮数可以是多轮的也可以是单轮的。下面是一些具体的案例展示:
human
请写一个快排程序
#Python
bot
system
你是CodeFuse,你会被给定一个任务,你必须按照用户的要求完成任务。
human
请写一个快排程序
#Python
bot
下面是一个使用Python编写的快速排序算法的示例代码:
```python
def quick_sort(arr):
if len(arr) pivot]
return quick_sort(left) + middle + quick_sort(right)
# 测试快速排序算法
arr = [3, 6, 8, 10, 1, 2, 1]
print(quick_sort(arr))
```
这段代码定义了一个`quick_sort`函数,它接受一个列表作为参数,并返回排序后的列表。在函数内部,首先判断列表的长度是否小于等于1,如果是,则直接返回列表本身。否则,选择列表中间的元素作为基准值,并将列表分成三个部分:小于基准值的部分、等于基准值的部分和大于基准值的部分。然后,对这三个部分分别递归调用`quick_sort`函数进行排序,最后将排序后的三个部分合并并返回。
通过这个示例,你可以了解到如何使用Python编写快速排序算法,并对其进行测试。
human
请为以上代码生成单测用例
bot
下面是一段示例的推理代码:
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
model_dir = "codefuse-ai/CodeFuse-DeepSeek-33B"
def load_model_tokenizer(model_path):
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
tokenizer.eos_token = ""
tokenizer.pad_token = ""
tokenizer.eos_token_id = tokenizer.convert_tokens_to_ids(tokenizer.eos_token)
tokenizer.pad_token_id = tokenizer.convert_tokens_to_ids(tokenizer.pad_token)
tokenizer.padding_side = "left"
model = AutoModelForCausalLM.from_pretrained(model_path, device_map='auto',torch_dtype=torch.bfloat16, trust_remote_code=True)
return model, tokenizer
HUMAN_ROLE_START_TAG = "humann"
BOT_ROLE_START_TAG = "botn"
text_list = [f'{HUMAN_ROLE_START_TAG}Write a QuickSort programn#Pythonn{BOT_ROLE_START_TAG}']
model, tokenizer = load_model_tokenizer(model_dir)
inputs = tokenizer(text_list, return_tensors='pt', padding=True, add_special_tokens=False).to('cuda')
input_ids = inputs["input_ids"]
attention_mask = inputs["attention_mask"]
generation_config = GenerationConfig(
eos_token_id=tokenizer.eos_token_id,
pad_token_id=tokenizer.pad_token_id,
temperature=0.1,
max_new_tokens=512,
num_return_sequences=1,
num_beams=1,
top_p=0.95,
do_sample=False
)
outputs = model.generate(
inputs= input_ids,
attention_mask=attention_mask,
**generation_config.to_dict()
)
gen_text = tokenizer.batch_decode(outputs[:, input_ids.shape[1]:], skip_special_tokens=True)
print(gen_text[0])
继续微调
如果你想在这两个模型基础上继续微调,欢迎使用我们开源的多任务高效微调框架MFTCoder(https://github.com/codefuse-ai/MFTCoder/tree/main/mftcoder_accelerate)。要继续微调,你需要准备好训练数据集(CodeFuse-ChatML格式)、设置训练配置文件、设置运行配置文件并启动训练。这里提供一个对Qwen-1.8模型用MFTCoder进行微调的案例供参考:https://github.com/codefuse-ai/MFTCoder/tree/codeqwen_competition/mft_peft_hf。
联系我们
MFTCoder已经开源,本文中提到的模型和数据集也在陆续开源中,如果您喜欢我们的工作,欢迎试用、指正错误和贡献代码,可以的话请给我们的项目增加Star以支持我们。
- GitHub项目主页:https://github.com/codefuse-ai/MFTCoder
- HuggingFace主页:https://huggingface.co/codefuse-ai
- 魔搭社区主页:https://modelscope.cn/organization/codefuse-ai
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
一、硬件信息 RV1126/RV1109 系列芯⽚内置硬件解压缩模块 — decom,可以极⼤得提升系统启动速度 RV1126/RV1109 内置⼀个 MCU,MCU 在 SoC 上电后就会快速启动,迅速初始化 Camera 和 ISP,然后尽可能快得保存前…