H800算力低至5.99元/卡时！抢鲜体验LLaMA3最佳实践就在潞晨云

由Meta发布的LLaMA3 8B和LLaMA3 70B的，将开源AI大模型推向新的高度。在多个基准测试上的表现均大幅超过已有竞品，成为AI应用的最新优选。

潞晨云现已上架 LLaMA3 8B和LLaMA3 70B从推理到微调和预训练的实践教程。

提供免费测试代金券，限时特供H800-80GB-NVLINK低至5.99元/卡时等算力支持。

诚邀感兴趣的用户前来注册体验。

体验地址：https://cloud.luchentech.com/

其中在64卡H100集群上，经过潞晨Colossal-AI优化，相比微软+英伟达方案，可提升LLaMA3 70B的训练性能近20%，推理性能也优于vLLM等方案。

不仅好用还便宜的潞晨云

想体验LLaMA3等AI任务，还需要有GPU等算力支持。目前主流的AI云主机有AWS、AutoDL、阿里云等。但GPU资源不仅昂贵稀缺，供应商普遍还要求使用者必须预先进行高额投入，按年或提前数个月预付定金。

潞晨云不仅提供了便捷易用的AI解决方案，还为力求为广大AI开发者和其他提供了随开随用的廉价算力：

价格信息统计于2024年4月16日，普通账号可按需按量开启的价格及可用性，大型云厂商一般仅支持老旧型号算力（Nvdia V100/P100等）按需按量使用，美元-人民币汇率换算为1：7.2368

原价19.99元/卡时的H800-80GB-NVLINK，限时特供低至5.99元/卡时！

对于使用较稳定的长期需求，在潞晨云还可以按月、按年租用，获得进一步折扣。

潞晨云还为新用户准备了多种形式的优惠代金券活动，注册即可白嫖H800、A800、4090、910B等高端算力，构建属于自己的AI大模型！

使用潞晨云部署和训练LLaMA3

01创建云主机

新注册用户自动获得代金券额度！

打开算力市场，按照筛选目标算力。

可以看到如图所示的控制台页面，右边是两台可用的服务器，每台上有8块可租用的GPU，我们选择一个，点击“8卡可租”按钮，进入算力市场界面。

在租用配置选择界面，为自己的云主机取一个名字并选择任务所需数量的显卡，LLaMA3 8B推理可以在单卡H800上完成），因此，此处选择1卡H800。

02推理

Colossal-Inference现已适配支持了LLaMA-3推理加速。在潞晨云，您可以选择推理镜像，使用Colossal-Inference进行推理优化提速，体验LLaMA-3的自然语言生成能力。

前期准备

LLaMA-3模型权重已准备好，无需额外安装步骤。

推理生成

运行生成脚本

PRETRAINED_MODEL_PATH="/root/notebook/common_data/Meta-Llama-3-8B" # huggingface or local model path

进行多卡TP推理，如下例使用两卡生成

colossalai run --nproc_per_node 2 llama_generation.py -m PRETRAINED_MODEL_PATH --max_length 80 --tp_size 2

吞吐脚本

运行吞吐Benchmark测试

PRETRAINED_MODEL_PATH="/root/notebook/common_data/Meta-Llama-3-8B"

单卡H100对LLaMA3-8B进行Benchmark结果与vLLM对比（例：输入序列长度128，输出长度256）

03微调与继续预训练

我们在原有 LLaMA-2 汉化项目中，支持了 LLaMA-3 的继续预训练与微调。在潞晨云，您可以通过选择训练镜像，快速对 LLaMA-3 进行继续预训练与微调。

前期准备

1. 编译安装 Colossal-AI

cd /root/ColossalAI
BUILD_EXT=1 pip install .

2. 创建训练需要的文件夹

mkdir /root/training_outputs
mkdir /root/training_outputs/checkpoints
mkdir /root/training_outputs/configs
mkdir /root/training_outputs/tensorboards

3. 修改 hostfile


cd /root/ColossalAI/ColossalAI/applications/Colossal-LLaMA/
cp hostfile.example hostfile

注：可通过 `apt install iproute2 -y` 在镜像中安装 ip addr 指令查看镜像内 ip 地址

数据准备

当前路径：

/root/ColossalAI/ColossalAI/applications/Colossal-LLaMA/

1. 继续预训练

{"source": "", "target": "Lionel Andrés Messi(Spanish pronunciation: [ljoˈnel anˈdɾes ˈmesi] (i); born 24 June 1987), also known as Leo Messi, is an Argentine professional footballer who plays as a forward for and captains both Major League Soccer club Inter Miami and the Argentina national team.", "category": "sports"}
{"source": "猜谜语：一身卷卷细毛，吃的青青野草，过了数九寒冬，无私献出白毛。（打一动物）", "target": "白羊", "category": "riddle"


python prepare_pretrain_dataset.py \--data_input_dirs "Directory that contains one or more JSONL file(s)>" \--tokenizer_dir "Tokenizer directory" \--data_output_dirs "Spliced tokenized output" \--max_length 8192 \--num_spliced_dataset_bins 10

2. 微调

{"messages": [{"from": "human", "content": "What are the three primary colors?"}, {"from": "assistant", "content": "The three primary colors are red, blue, and yellow."}]}
{"messages": [{"from": "human", "content": "解释个人电脑和服务器之间的区别。"}, {"from": "assistant", "content": "个人电脑和服务器是两种不同类型的计算机系统，它们的主要区别在于用途、硬件配置和性能。个人电脑，顾名思义，是为个人使用而设计的计算机。它们通常用于日常的工作、娱乐和学习，可以运行各种各样的应用程序和游戏。个人电脑的硬件配置一般是按照标准配置来设计的，不过也可以根据个人需求进行定制。而服务器是为了满足大量用户的需求而设计的计算机系统，它们通常用于为用户提供各种网络服务，如网站、电子邮件和文件传输等。服务器通常需要高性能的硬件配置，并且可以承受高负载和长时间的运行。由于服务器需要支持大量用户的访问，它们通常配备多核处理器、大容量内存和大容量硬盘驱动器，以提高系统的运行速度和稳定性。总之，个人电脑和服务器之间的主要区别在于它们的用途、硬件配置和性能。个人电脑用于个人使用，而服务器用于支持大量用户的访问。服务器的硬件配置通常比个人电脑更高，以保证系统的性能和稳定性。"}]}


python prepare_sft_dataset.py.py \--data_input_dirs "Directory that contains one or more JSONL file(s)>" \--tokenizer_dir "Tokenizer directory" \--data_output_dirs "Spliced tokenized output" \--max_length 8192 \--num_spliced_dataset_bins 10 \--llama_version 3

运行成功后，data_output_dirs 文件夹内会自动生成 3 个子文件夹，其中，arrow 文件夹中的数据可用来直接训练。

我们提供简单数据集以供测试，处理好数据集可见：

/root/notebook/common_data/tokenized-cpt-data

训练脚本

当前路径：

/root/ColossalAI/ColossalAI/applications/Colossal-LLaMA/

1. 修改 config 文件

cp train.example.sh train.sh
#更新训练脚本

2. 参考训练脚本

PROJECT_NAME="LLaMA-3-8B-cpt"
PARENT_SAVE_DIR="/root/training_outputs/checkpoints/" # Path to a folder to save checkpoints
PARENT_TENSORBOARD_DIR="/root/training_outputs/tensorboards/" # Path to a folder to save logs
PARENT_CONFIG_FILE="/root/training_outputs/configs/" # Path to a folder to save training config logs
PRETRAINED_MODEL_PATH="/root/notebook/common_data/Meta-Llama-3-8B" # huggingface or local model path# 以预置已处理数据集为例
declare -a dataset=(/root/notebook/common_data/tokenized-cpt-data/arrow/part-00000/root/notebook/common_data/tokenized-cpt-data/arrow/part-00001/root/notebook/common_data/tokenized-cpt-data/arrow/part-00002
)TIMESTAMP=$(date +%Y-%m-%d-%H-%M-%S)
FULL_PROJECT_NAME="${PROJECT_NAME}-${TIMESTAMP}"
SAVE_DIR="${PARENT_SAVE_DIR}${FULL_PROJECT_NAME}"
CONFIG_FILE="${PARENT_CONFIG_FILE}${FULL_PROJECT_NAME}.json"colossalai run --nproc_per_node 8 --hostfile hostfile --master_port 31312 train.py \--pretrained $PRETRAINED_MODEL_PATH \--dataset ${dataset[@]} \--plugin "zero2" \--save_interval 400 \--save_dir $SAVE_DIR \--tensorboard_dir $TENSORBOARD_DIR \--config_file $CONFIG_FILE \--num_epochs 1 \--micro_batch_size 2 \--lr 1e-4 \--mixed_precision "bf16" \--grad_clip 1.0 \--weight_decay 0.01 \--warmup_steps 100 \--use_grad_checkpoint \--use_flash_attn \

其他训练详情可参考：https://github.com/hpcaitech/ColossalAI/tree/main/applications/Colossal-LLaMA

04大规模训练

对于大规模预训练等场景，结合LLaMA3 序列变长、embedding增大等特性，我们针对3D混合并行场景进行了优化，通过自定义流水线切分、gradient checkpoint策略，我们可以进一步精细化控制每个GPU的内存占用和速度，从而达到整体训练效率的提升。

我们使用整数线性规划搜索出在64x H100上最适合LLaMA3-70B的切分、gradient checkpoint策略，最终训练可以达到每卡410+ TFLOPS的卓越性能。

详情可参考：

https://github.com/hpcaitech/ColossalAI/tree/main/examples/language/llama

此例子附上了我们测试时使用的配置。使用方法如下

git clone https://github.com/hpcaitech/ColossalAI
cd ColossalAI/examples/language/llama
BUILD_EXT=1 pip install -U git+https://github.com/hpcaitech/ColossalAI
pip install -r requirements.txt
export PYTHONPATH=$(realpath ..)
colossalai run --nproc_per_node 8 --hostfile HOSTFILE benchmark.py -c Meta-Llama-3-70B -x -g -p 3d --tp 4 --pp 4 --zero 1 -l 8192 --mbs 2 -b 128 --custom-ckpt