文档首页/
AI开发平台ModelArts/
最佳实践/
LLM大语言模型训练/
主流开源大模型基于ModelArts Lite Server适配AscendFactory PyTorch NPU训练指导(6.5.906)/
执行训练任务
更新时间:2025-08-06 GMT+08:00
执行训练任务
步骤一:生成训练配置yaml文件
- 生成模型训练config配置yaml文件,生成方式分为交互式、传参式两种,两者区别为传参式提前传入所需参数,交互式为命令执行后交互选择所需参数,客户自行选择其中一种方式即可。
- 交互式,命令如下:
ascendfactory-cli config --output_file_path=<output_file_path>
- 传参式,命令如下:
ascendfactory-cli config --backend=<backend> --af_model_name=<af_model_name> --exp_name=<exp_name> --output_file_path=<output_file_path>
- <backend>:所选框架类型,可选【mindspeed-llm,llamafactory,verl,mindspeed-rl】。
- <af_model_name>:训练模型
- <exp_name>:所选实验类型,MindSpeed-LLM和Llama-Factory微调可选【full-4k, lora-4k等,具体以实际配置为准】;MindSpeed-LLM框架如果使用预训练方式,训练类型可选用【full-4k】实验类型,参考本文档修改相关参数即可;VeRL实验类型为【grpo】;MindSpeed-RL实验类型为【grpo】。
- <output_file_path>:yaml文件输出目录及文件名称,例如/path/to/xxx.yaml。
- 交互式,命令如下:
- 修改生成config配置yaml文件中关键参数值,参数详情可参考MindSpeed-LLM、Llama-Factory、VeRL、12.1.4-MindSpeed-RL【四选一】。
步骤二:启动训练任务
- 在任意目录都可执行训练命令,如新建test_benchmark目录下。
预训练及微调阶段模型最小卡数参考各模型支持的最小卡数和序列长度,按自己实际情况决定。
单机<可选>:
# 默认8卡 ascendfactory-cli train <cfgs_yaml_file> --env.MASTER_ADDR=localhost --env.NNODES=1 --env.NODE_RANK=0 # 指定设备卡数,如2卡 ASCEND_RT_VISIBLE_DEVICES=0,1 ascendfactory-cli train <cfgs_yaml_file> --env.MASTER_ADDR=localhost --env.NNODES=1 --env.NODE_RANK=0 # 指定修改yaml中某个参数内容,如af_output_dir等值,使用超参命令传递形式: ASCEND_RT_VISIBLE_DEVICES=0,1 ascendfactory-cli train <cfgs_yaml_file> --af_output_dir=xxx --env.MASTER_ADDR=localhost --env.NNODES=1 --env.NODE_RANK=0
多机<可选>,多机同时执行:
# 使用已修改完成yaml文件,不传参修改参数 ascendfactory-cli train <cfgs_yaml_file> --env.MASTER_ADDR=localhost --env.NNODES=1 --env.NODE_RANK=0 # 指定修改yaml中某个参数内容,如af_output_dir等值,使用超参命令传递形式: ascendfactory-cli train <cfgs_yaml_file> --env.MASTER_ADDR=<master_addr> --env.NNODES=<nnodes> --env.NODE_RANK=<rank> --af_output_dir=xxx
- <cfgs_yaml_file>:config配置yaml文件相对或绝对路径地址。
- --env.MASTER_ADDR=<master_addr>:主master节点IP,一般选rank 0为主master。
- --env.NNODES=<nnodes>:训练节点总个数。
- --env.NODE_RANK=<rank>:节点ID,从0开始,一般选rank 0为主master。
- --超参<key>:参数key可参考MindSpeed-LLM、Llama-Factory、VeRL、12.1.4-MindSpeed-RL,根据要求选择。