预训练超参配置
本章节介绍预训练前的超参配置，可以根据实际需要修改。
预训练脚本baichuan2.sh，存放在“6.3.904-Ascend/llm_train/AscendSpeed/scripts/baichuan2”目录下。训练前，可以根据实际需要修改超参配置。
参数 |
值 |
参数说明 |
|---|---|---|
DATA_PATH |
/home/ma-user/ws/processed_for_ma_input/BaiChuan2-13B/data/pretrain/alpaca_text_document |
必填。训练时指定的输入数据路径。一般为数据地址/处理后的数据前缀名，不加文件类型后缀。 请根据实际规划修改。 |
TOKENIZER_MODEL |
/home/ma-user/ws/tokenizers/BaiChuan2-13B/tokenizer.model |
必填。加载tokenizer时，tokenizer存放地址。 |
MODEL_TYPE |
13B |
必填。模型加载类型，默认为13B。 |
TRAIN_ITERS |
200 |
非必填。训练迭代周期。根据实际需要修改。默认值为1000 |
MBS |
1 |
非必填。流水线并行中一个micro batch所处理的样本量。在流水线并行中，为了减少气泡时间，会将一个step的数据切分成多个micro batch 默认值1。建议值单机1，双机2。 |
GBS |
16 |
非必填。默认值 16 训练中所有机器一个step所处理的样本量。影响每一次训练迭代的时长，建议值单机16，双机32。 |
TP |
8 |
非必填。张量并行。默认值为8 |
PP |
1 |
非必填。默认值为1 流水线并行。建议值单机1，双机2。 |
RUN_TYPE |
pretrain |
必填。表示训练类型，根据实际训练任务类型选择。取值说明：
|
MASTER_ADDR |
localhost |
多机必填。主节点IP地址，多台机器中指定一个节点ip为主节点ip，一般指定第一个节点ip为主节点IP。 |
NNODES |
1 |
多机必填。节点总数，如为双机，则写2。 |
NODE_RANK |
0 |
多机必填。在节点序号，当前节点id，一般从0开始。 |
WORK_DIR |
/home/ma-user/ws |
容器的工作目录。训练的权重文件保存在此路径下。非必填，默认值为：/home/ma-user/ws。 |
