首页
/ THUDM/slime项目使用指南:从参数配置到自定义训练流程

THUDM/slime项目使用指南:从参数配置到自定义训练流程

2025-06-20 02:07:37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:

  1. 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
  2. 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:

  1. 使用sglang-router进行负载均衡
  2. 所有SGLang server通过/add_worker注册到router
  3. 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:

  1. 直接使用Megatron的parse_args解析参数
  2. 复用checkpoint保存/加载逻辑
  3. 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

  1. 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
  2. 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
  3. 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
  4. 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

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (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
923
551
openHiTLSopenHiTLS
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
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
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
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8