wehub-resource-sync
61 lines
1.7 KiB
Bash
61 lines
1.7 KiB
Bash
# ms-swift>=3.11
|
|
swift export \
|
|
--model Qwen/Qwen3-30B-A3B-Base \
|
|
--dataset 'swift/Chinese-Qwen3-235B-2507-Distill-data-110k-SFT' \
|
|
--split_dataset_ratio 0.01 \
|
|
--dataset_num_proc 64 \
|
|
--to_cached_dataset true \
|
|
--output_dir ./qwen3_cached_dataset
|
|
|
|
|
|
# 4 * 48GiB; 17s/it
|
|
PYTORCH_CUDA_ALLOC_CONF='expandable_segments:True' \
|
|
NPROC_PER_NODE=4 \
|
|
CUDA_VISIBLE_DEVICES=0,1,2,3 \
|
|
megatron sft \
|
|
--model Qwen/Qwen3-30B-A3B-Base \
|
|
--save_safetensors true \
|
|
--merge_lora false \
|
|
--cached_dataset './qwen3_cached_dataset/train' \
|
|
--cached_val_dataset './qwen3_cached_dataset/val' \
|
|
--tuner_type lora \
|
|
--lora_rank 32 \
|
|
--lora_alpha 64 \
|
|
--target_modules all-linear \
|
|
--moe_permute_fusion true \
|
|
--expert_model_parallel_size 4 \
|
|
--moe_grouped_gemm true \
|
|
--moe_shared_expert_overlap true \
|
|
--moe_aux_loss_coeff 1e-6 \
|
|
--micro_batch_size 1 \
|
|
--global_batch_size 16 \
|
|
--recompute_granularity full \
|
|
--recompute_method uniform \
|
|
--recompute_num_layers 1 \
|
|
--num_train_epochs 3 \
|
|
--finetune true \
|
|
--cross_entropy_loss_fusion true \
|
|
--lr 1e-4 \
|
|
--lr_warmup_fraction 0.05 \
|
|
--min_lr 1e-5 \
|
|
--output_dir megatron_output/Qwen3-30B-A3B-Base \
|
|
--eval_steps 200 \
|
|
--save_steps 200 \
|
|
--packing true \
|
|
--max_length 8192 \
|
|
--dataloader_num_workers 8 \
|
|
--dataset_num_proc 8 \
|
|
--no_save_optim true \
|
|
--no_save_rng true \
|
|
--sequence_parallel true \
|
|
--attention_backend flash
|
|
|
|
|
|
CUDA_VISIBLE_DEVICES=0 \
|
|
swift infer \
|
|
--adapters megatron_output/Qwen3-30B-A3B-Base/vx-xxx/checkpoint-xxx \
|
|
--load_data_args true \
|
|
--attn_impl flash_attn \
|
|
--stream true \
|
|
--max_new_tokens 512
|