| 12345678910111213141516171819202122232425262728293031323334 |
- # 模型配置
- model_name: "../models/pretrained/DeepSeek-R1-Distill-Qwen-1.5B"
- max_seq_length: 768 # 2048 单次会话的最大 token 长度
- dtype: "float16" # 数据类型，可选 "float16" 或 "bfloat16"
- load_in_4bit: True # 是否以4位精度加载模型
- fast_inference: False # Enable vLLM fast inference
- lora_rank: 128 # LoRA 的 rank 值 Choose any number>0!suggested 8,16,32,64，128
- gpu_memory_utilization: 0.6 # GPU VRAM 占用率
- # 训练配置
- use_vllm: False # use vLLM for fast inference!
- learning_rate: 1e-4 # 5e-6 学习率 1e-4 (0.0001) to 5e-5 (0.00005).
- adam_beta1: 0.9 # Adam 优化器的 beta1 参数
- adam_beta2: 0.99 # Adam 优化器的 beta2 参数
- weight_decay: 0.1 # 权重衰减，用于防止过拟合，设置为0.1
- warmup_ratio: 0.1 # 学习率预热比例，用于初期，避免学习率过大导致不稳定
- lr_scheduler_type: "cosine" # 学习率衰减策略，cosine为余弦衰减
- optim: "adamw_8bit" # 优化器类型 , adamw_8bit为AdmaW优化器，并启动8位精度以减少内存占用
- logging_steps: 1 # 日志记录步数
- per_device_train_batch_size: 2 # 1 每个设备的训练批次（batch）大小
- gradient_accumulation_steps: 4 # 1 梯度累积步数 ,用于在较小的batch size下模拟较大的batch
- num_generations: 8 # 8 表示每次训练时生成的候选输出数量
- max_prompt_length: 256 # 256 模型输入的最大长度
- max_completion_length: 384 # 200 模型输入（生成）的最大长度
- num_train_epochs: 1 # 训练轮数
- max_steps: 12 # 250 训练的最大步数
- save_steps: 12 # 250 保存模型的步数（多少步保存一次模型）
- max_grad_norm: 0.1 # 梯度裁剪的最大阈值，防止梯度爆炸
- report_to: "none" # 报告工具，报告内容如 Weights & Biases，设置为none 表不将训练结果报告到外部工具
- output_dir: "../models/outputs" # 输出目录
- # 数据配置
- train_data_path: "../data/processed/train.jsonl" # 训练数据路径
- save_path: "../models/trained/DeepSeek-R1-Distill-Qwen-1.5B-GRPO" # 模型保存路径
|
