小编点评

**背景** * 基于训练加速框架Unsloth进行微调训练Llama3的显卡资源占用及训练时间对比。 * Unsloth新增了Qwen1.5模型适配，因此本qiang~马不停蹄地又进行了一次实验对比。 **实战** * 对Unsloth的简介，感兴趣的客观可以查阅上一篇《LLM微调加速神器：Unsloth + LLama3》。 * 实验环境：A800，模型为Qwen1.5-32B-Chat。 **实验结果** * 使用40G显存的单卡如A40，即可进行微调训练。 * 实验结果： * A800  3.2 结论针对于Qwen1.5-32B-Chat进行unsloth训练，与基于transformers框架训练进行比对，结论如下： * 集成unsloth后，显卡占用确实更少，平均减少20%-25%，训练效率确实更快。 * 3.1 A800  3.2 结论针对于Qwen1.5-32B-Chat进行unsloth训练，与基于transformers框架训练进行比对，结论如下： * 集成unsloth后，显卡占用确实更少，平均减少20%-25%，训练效率确实更快。 * 使用40G显存的单卡如A40，即可进行微调训练。 **总结** 本文主要使用unsloth框架针对Qwen1.5的高效微调实验，提供了详细的对比代码以及不同维度的对比分析结果。

正文

1. 背景

上一篇介绍了基于训练加速框架Unsloth，微调训练Llama3的显卡资源占用及训练时间对比。

近期Unsloth新增了Qwen1.5的模型适配，因此本qiang~马不停蹄地又进行了一次实验对比。

对Unsloth的简介，感兴趣的客观可以查阅上一篇《LLM微调加速神器：Unsloth + LLama3》。

2. 实战

本着眼过千遍不如手过一遍的宗旨，本qiang~针对Unsloth做了一个对比实现。

对比的实验环境为： A800，模型为Qwen1.5-32B-Chat。

可以使用如下命令进行更新unsloth​。

2.1 比对维度

维度	说明
显卡	是否支持bf16
最大文本长度	max_seq_length
批次大小	per_device_train_batch_size
梯度累加步长	gradient_accumulation_steps
秩	LoRA的rank
dropout	lora_droput

2.2 源码

源码请见地址，由于Qwen1.5和Llama3的prompt模板不一致，因此源码层面上也稍加了改动。

3 实验结果

3.1 A800

 

 

3.2 结论

针对于Qwen1.5-32B-Chat进行unsloth训练，与基于transformers框架训练进行比对，结论如下：

集成unsloth后，显卡占用确实更少，平均减少20%-25%，训练效率确实更快，不管是哪种维度，平均训练时间减少了27%-41%。

使用40G显存的单卡如A40，即可进行微调训练。

4. 总结

一句话足矣~

本文主要是使用unsloth框架针对Qwen1.5的高效微调实验，提供了详细的对比代码以及不同维度的对比分析结果。

之后会研读一遍unsloth的底层源码，具体是如何使用triton语言实现加速的，以及如何手写的前馈网络和反向传播的实现~

5. 参考

1. unsloth: https://github.com/unslothai/unsloth