THUDM/slime项目使用指南:从参数配置到自定义训练流程
2025-06-20 04:41:53作者:翟萌耘Ralph
项目概述
THUDM/slime是一个基于强化学习的大模型训练框架,它整合了Megatron-LM的训练能力和SGLang的推理能力,实现了高效的训推一体化流程。本文将详细介绍如何使用slime进行大模型训练,包括参数配置、资源分配、模型加载以及自定义训练流程等核心内容。
集群资源配置
基础资源配置
在slime中,GPU资源分配主要涉及以下关键参数:
-
训练资源配置
--actor-num-nodes
:指定用于RL训练的actor节点数量--actor-num-gpus-per-node
:每个actor节点使用的GPU数量
-
推理资源配置
--rollout-num-gpus
:推理部分(total)需要的GPU数量--rollout-num-gpus-per-engine
:每个推理引擎使用的GPU数量(类似于SGLang的tp_size)
训推一体模式
通过设置--colocate
参数可以启用训推一体模式,此时:
- 训练和推理将共享相同的GPU资源
--rollout-num-gpus
参数将被忽略- 需要特别注意显存管理,可通过调整
--sglang-mem-fraction-static
控制显存占用
模型加载与配置
Megatron模型加载
slime深度集成了Megatron-LM训练框架,加载Megatron模型需要三个关键配置:
1. 模型架构参数
以Qwen3 4B模型为例,典型配置包括:
--num-layers 36
--hidden-size 2560
--ffn-hidden-size 9728
--num-attention-heads 32
--group-query-attention
--num-query-groups 8
--normalization "RMSNorm"
--norm-epsilon 1e-6
2. 并行策略配置
Megatron提供多种并行优化策略:
-
基础并行:
--tensor-model-parallel-size
:张量并行大小--sequence-parallel
:建议与张量并行同时启用--pipeline-model-parallel-size
:流水线并行大小
-
高级并行:
--context-parallel-size
:序列并行(类似ring attention)--expert-model-parallel-size
:MoE专家并行--expert-tensor-parallel-size
:MoE专家张量并行
3. 检查点管理
slime支持两种Megatron检查点格式:
- Torch格式:传统格式,需保持并行策略一致
- Torch_dist格式(推荐):支持自动并行切分
关键参数:
--ref-load
:参考模型检查点路径--load
:训练模型检查点路径--save
:模型保存路径
SGLang推理配置
SGLang的配置相对简单:
--hf-checkpoint
:指定HuggingFace格式的模型检查点--sglang-context-length
:可覆盖模型原始上下文长度限制- 其他SGLang参数需添加
--sglang-
前缀,如--sglang-mem-fraction-static
数据格式与处理
输入数据格式
slime目前仅支持.jsonl
格式,每行包含一个JSON对象,示例:
{
"prompt": [{"content": "数学问题...", "role": "user"}],
"label": "34",
"metadata": {"difficulty": "hard"}
}
关键配置参数:
--input-key
:指定输入字段(如"prompt")--label-key
:指定标签字段(如"label")--apply-chat-template
:是否应用聊天模板
自定义训练流程
1. 自定义Rollout函数
slime支持不同级别的数据生成定制:
基础定制:替换默认的generate_rollout
函数
- 通过
--rollout-function-path
指定自定义实现 - 函数需返回包含tokens、response_length、reward等字段的Sample对象
高级定制:仅替换生成逻辑
- 通过
--custom-generate-function-path
指定 - 实现异步生成接口,与SGLang router交互
2. 自定义Reward模型
通过--custom-rm-path
参数可以指定自定义的reward模型实现,用于替代默认的奖励计算逻辑。
技术深度解析
SGLang集成原理
slime通过HttpServerEngineAdapter
桥接层实现了与SGLang的深度集成:
- 使用sglang-router进行负载均衡
- 所有SGLang server通过
/add_worker
注册到router - 推理请求通过HTTP发送到router进行分发
Megatron集成原理
slime通过复用Megatron的核心组件实现兼容:
- 直接使用Megatron的
parse_args
解析参数 - 复用checkpoint保存/加载逻辑
- 支持通过PYTHONPATH加载自定义Megatron版本
关键扩展点:
--custom-megatron-init-path
:自定义初始化逻辑--custom-megatron-before-train-step-hook
:训练步前回调
最佳实践建议
-
资源分配:
- 训推分离时确保推理资源充足
- 训推一体时合理设置
--sglang-mem-fraction-static
-
模型配置:
- 优先使用torch_dist格式检查点
- 确保并行策略与硬件匹配
-
性能优化:
- 合理配置重计算参数
- 根据任务特点调整数据生成策略
-
定制开发:
- 从小范围hook开始扩展功能
- 充分利用现有Sample数据结构
通过本文介绍,您应该已经掌握了使用THUDM/slime进行大模型训练的核心方法。无论是基础训练还是深度定制,slime都提供了灵活的配置选项和扩展接口,能够满足各种复杂场景下的训练需求。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp平台连续学习天数统计异常的技术解析2 freeCodeCamp课程中CSS背景与边框测验的拼写错误修复3 freeCodeCamp全栈开发认证课程中的变量声明测试问题解析4 Odin项目"构建食谱页面"练习的技术优化建议5 freeCodeCamp正则表达式教程中捕获组示例的修正说明6 freeCodeCamp React可复用导航栏组件优化实践7 freeCodeCamp排序可视化项目中Bubble Sort算法的实现问题分析8 freeCodeCamp课程中ARIA-hidden属性的技术解析9 freeCodeCamp现金找零项目测试用例优化建议10 freeCodeCamp全栈开发课程中业务卡片设计实验的优化建议
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
176
260

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
854
505

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
254
295

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
21
5