Views
No views yet
0.12.21# Automatically upload checkpoint and final model to HF
2# hub_model_id: username/custom_model_name
3# 是否以 8-bit 精度加载模型
4load_in_8bit: false
5# 是否以 4-bit 精度加载模型(与QLoRA绑定, 强制使用)
6load_in_4bit: false
7# 是否严格匹配模型结构,关闭表示可加载少部分差异结构(如以适配 adapter)
8# strict: false
9
10base_model: Qwen/Qwen3-4B-Instruct-2507
11
12# 数据集设置
13chat_template: qwen3
14datasets:
15- path: /workspace/train_dir_0926-02/goal_data.json # 只使用新增的1500条数据
16 type: chat_template # chat_template(自定义格式) alpaca
17 roles_to_train: ["assistant"]
18 field_messages: messages # 标识的字段
19 message_property_mappings: # message_property_mappings={'role':'role', 'content':'content'})
20 role: role
21 content: content
22
23dataset_prepared_path:
24val_set_size: 0.1 # 8卡训练可以适当减少验证集比例,提高训练数据利用率
25output_dir: /workspace/train_dir_0926-02/checkpoints
26sequence_len: 7000 # 模型所能处理的最大上下文长度(默认2048)
27pad_to_sequence_len: true
28# context_parallel_size: 2 # 长序列拆分至多个GPU(强制要求 mirco_batch_size: 1)
29sample_packing: false # Function call数据通常较短,可以启用packing提高效率
30eval_sample_packing: false # 评估时拼接多个样本
31
32# 训练超参数 - 针对function call优化
33lora_r: 32 # function call需要更强的表达能力,提高rank
34lora_alpha: 64 # 设为 2*r,保持合理的缩放
35lora_dropout: 0.1 # 8卡训练数据分布更均匀,可以适当降低dropout
36
37# 批处理设置 - 充分利用8卡H100
38micro_batch_size: 8 # H100显存大,可以增加batch size
39gradient_accumulation_steps: 2 # 8卡并行,可以减少累积步数
40auto_find_batch_size: false # 允许Axolotl不断调整batch_size ⚠️Zero-3不适用
41num_epochs: 3 # function call数据质量高,可以多训练几轮
42
43# 优化器设置
44optimizer: adamw_torch_fused
45lr_scheduler: cosine
46learning_rate: 8e-5 # 在已有模型基础上微调function call,稍微提高学习率
47
48# 精度设置
49bf16: auto
50tf32: true
51
52# 日志和评估
53logging_steps: 30 # 8卡训练速度快,可以适当减少日志频率
54flash_attention: true
55warmup_ratio: 0.1 # 已有基础模型,减少warmup
56evals_per_epoch: 1 # 适中的评估频次
57saves_per_epoch: 1 # 适中的保存频次
58weight_decay: 0.01 # 8卡训练更稳定,减少正则化
59
60# FSDP配置 - 针对8卡H100优化
61fsdp:
62 - full_shard
63 - auto_wrap
64fsdp_config:
65 fsdp_limit_all_gathers: true
66 fsdp_sync_module_states: true
67 fsdp_offload_params: false # H100显存充足,无需offload
68 fsdp_use_orig_params: false
69 fsdp_cpu_ram_efficient_loading: true
70 fsdp_auto_wrap_policy: TRANSFORMER_BASED_WRAP
71 fsdp_transformer_layer_cls_to_wrap: Qwen3DecoderLayer
72 fsdp_state_dict_type: FULL_STATE_DICT
73 fsdp_sharding_strategy: FULL_SHARD
74 fsdp_activation_checkpointing: true # 使用FSDP的activation checkpointing
75| Training Loss | Epoch | Step | Validation Loss | Mem Active(gib) | Mem Allocated(gib) | Mem Reserved(gib) |
|---|---|---|---|---|---|---|
| No log | 0 | 0 | 1.1221 | 83.21 | 83.01 | 84.11 |
| 0.2295 | 1.0 | 54 | 0.0622 | 121.88 | 121.69 | 136.37 |
| 0.0512 | 2.0 | 108 | 0.0403 | 121.88 | 121.69 | 136.37 |