SWIFT 2.4 TO DO LIST

[tastelikefeet]

Dataset

1. Refactor the self cognition dataset to support multi-lingual QAs.

Megatron PreTrain

1. Support more Megatron models
2. Support dataset split

Fine-tuning

1. RAG LLM training investigation

RLHF

1. PPO training investigation

Multi-modal

1. GPTQ/AWQ quantization
2. vLLM inference

Inference&Deployment

1. PyTorch batch inference
2. DeepSpeed-Zero inference investigation
3. Output logits

WEB-UI

1. Video/Audio chatbot

[WSC741606]

希望能支持零一万物的Yi-1.5系列的Megatron，感谢大佬~

[WSC741606]

还有多机多卡的数据集训练加载问题~NFS挂载的网络波动问题导致加载不了本地的cache 我现在是修改了swift/llm/utils/utils.py的def _msdataset_ddp_load(*args, **kwargs):，改成了

    def _msdataset_ddp_load(*args, **kwargs):
        dataset=False
        while not dataset:
          try:
            with safe_ddp_context():
              dataset = _old_msdataset_load(*args, **kwargs)
            return dataset
          except:
            dataset=False

希望有更优雅的解决方法~

[WSC741606]

另外数据集希望能支持在命令行中给个标签，然后分别计算各个标签的loss，比如通用数据集loss，代码数据集loss，垂域数据集loss等，然后对应到Tensorboard看看情况 看到一个参考代码思路

channel_loss = {}
for step, batch in enumerate(train_dataloader):
    batch = to_device(batch, device)
    channel = batch['channel'][0]

    del batch['channel']
    outputs = model(**batch)
    loss = outputs.loss

    # Update channel loss
    if channel in channel_loss:
        channel_loss[channel][0] += loss.item()
        channel_loss[channel][1] += 1
    else:
        channel_loss[channel] = [loss.item(), 1]

    all_channel_loss = [None for _ in range(world_size)]
    torch.distributed.all_gather_object(all_channel_loss, channel_loss)

    merged_channel_loss = {}
    for lst in all_channel_loss:
        for k, v in lst.items():
            if k in merged_channel_loss:
                merged_channel_loss[k][0] += v[0]
                merged_channel_loss[k][1] += v[1]
            else:
                merged_channel_loss[k] = [v[0], v[1]]

    for k,v in merged_channel_loss.items():
        avg_loss = v[0] / v[1] if v[1] != 0 else 0.0
        print_rank_0("The Channel {} loss is {}".format(k, avg_loss), args.global_rank)

        # Log channel loss to TensorBoard
        if dist.get_rank() == 0:
            writer.add_scalar(f'Loss/channel_{k}', avg_loss, epoch * num_batches + step)

    channel_loss = {}

[WSC741606]

还有远古的DDP+MP的问题）另外我看日志里输出的是MP，这个有可能进化成PP吗，毕竟朴素MP的话气泡期也太长了，但我这边没跑成功过，所以不太清楚是不是已经做了优化

[Jintao-Huang]

还有远古的DDP+MP的问题）另外我看日志里输出的是MP，这个有可能进化成PP吗，毕竟朴素MP的话气泡期也太长了，但我这边没跑成功过，所以不太清楚是不是已经做了优化

这个device_map主要是用于节约显存的。如果要使用PP，可以使用deepspeed。如果要使用TP，估计需要等megatron了

[WSC741606]

还有远古的DDP+MP的问题）另外我看日志里输出的是MP，这个有可能进化成PP吗，毕竟朴素MP的话气泡期也太长了，但我这边没跑成功过，所以不太清楚是不是已经做了优化

这个device_map主要是用于节约显存的。如果要使用PP，可以使用deepspeed。如果要使用TP，估计需要等megatron了

好嘞，感谢大佬~

[beamind]

希望支持训练RM(reward model)模型

[WSC741606]

还有多机多卡的数据集训练加载问题~NFS挂载的网络波动问题导致加载不了本地的cache 我现在是修改了swift/llm/utils/utils.py的def _msdataset_ddp_load(*args, **kwargs):，改成了

    def _msdataset_ddp_load(*args, **kwargs):
        dataset=False
        while not dataset:
          try:
            with safe_ddp_context():
              dataset = _old_msdataset_load(*args, **kwargs)
            return dataset
          except:
            dataset=False

希望有更优雅的解决方法~

解决了

[PancakeAwesome]

支持 qwenvl2 internvl2 vllm 多图和视频推理，谢谢

[ljqnb]

Please support PPO! Thanks