DiSHA 微调是什么？
DiSHA 微调 (opens in a new tab)（Dimension-Sharding Adaptation）是一种新颖的参数高效微调方法（PEFT，Parameter-Efficient Fine-Tuning），旨在进一步降低可训练参数数量，同时加速收敛。
DiSHA 微调框架通过引入两种核心计算结构：块仿射高效计算（Bone）和块仿射变换 (Bat) ，扩展了 PEFT 的设计空间。Bone 结构在保持高性能的同时显著提升计算效率，而 Bat 通过非线性变换克服了部分 DiSHA 变体可能出现的共线性问题，从而增强模型能力。
实验结果表明，DiSHA 及其 Bone 结构在评估指标、计算效率和资源使用方面均优于 LoRA 及其变体。
本文的 DiSHA 微调方法来自 RWKV 社区微调项目 RWKV-PEFT (opens in a new tab)。
在开始 DiSHA 微调之前，请确保你拥有一个 Linux 工作区，以及支持 CUDA 的 NVIDIA 显卡。
DiSHA 微调显存参考
RWKV DiSHA 微调的显存（GPU VRAM）需求可参考下表：
| 模型参数 | bf16 | int8 | nf4 |
|---|---|---|---|
| RWKV-6-1.6B | 7.3GB | 5.9GB | 5.4GB |
| RWKV-6-3B | 11.8GB | 9.4GB | 8.1GB |
| RWKV-6-7B | 23.7GB | 17.3GB | 14.9GB |
上表的数据基于以下训练参数：
- ctxlen=1024
- micro_bsz=1
- strategy=deepspeed_stage_1
随着训练参数的变更，RWKV DiSHA 微调所需显存会发生改变。
收集训练数据
你需要使用收集更适合训练 RWKV 的 binidx 数据，具体方法可参考准备微调数据集 (opens in a new tab)。
配置训练环境
请参考RWKV 微调环境配置 (opens in a new tab)板块，配置 Conda 等训练环境。
克隆仓库并安装依赖
在 Linux 或 WSL 中，使用 git 命令克隆 RWKV-PEFT 仓库：
git clone https://github.com/JL-er/RWKV-PEFT.git克隆完成后，使用 cd RWKV-PEFT 命令进入 RWKV-PEFT 目录。并运行以下命令，安装项目所需依赖：
pip install -r requirements.txt修改训练参数
使用任意文本编辑器（如 vscode）打开 RWKV-PEFT/scripts 目录下的 run_disha.sh 文件，可以修改训练参数，进而控制微调的训练过程和训练效果：
以下是一次 DiSHA 微调的调参过程：
调整路径参数
run_disha.sh 文件前三行是文件路径参数：
- load_model： 基底 RWKV 模型的路径
- proj_dir：训练日志和训练得到的 DiSHA 文件输出路径
- data_file：训练数据集的路径，注意路径中不需要带 bin 和 idx 后缀，仅需文件名称。
调整 n_layer 和 n_embd 参数
不同参数的 RWKV 模型，训练时使用的 n_layer 和 n_embd 数值不一样
以下是 RWKV 模型参数对应的 n_layer/n_embd 值：
| 模型参数 | n_layer | n_embd |
|---|---|---|
| 0.1B | 12 | 768 |
| 0.4B | 24 | 1024 |
| 1.5B | 24 | 2048 |
| 3B | 32 | 2560 |
| 7B | 32 | 4096 |
| 14B | 61 | 4096 |
调整重要训练参数
以下参数建议根据你的微调数据、设备性能进行调整。
| 参数 | 描述 |
|---|---|
micro_bsz=1 | 微批次大小，根据显存大小调整，微调时从 1 开始逐渐增大 |
epoch_save=5 | 每隔多少个训练轮次保存一次 Pissa 文件，注意存储空间是否充足 |
epoch_steps=1200 | 每个训练轮次的步数，增加会延长单个 epoch 的训练时间 |
ctx_len=512 | 微调模型的上下文长度，建议根据语料长度修改 |
调整 DiSHA 微调相关参数
disha_config 包含 DiSHA 微调的参数，效果参考下表：
| 参数 | 描述 |
|---|---|
| "mode":"bone" | 训练模式，可选 bone或者 bat 微调，Bone 速度更快且显存占用更低，Bat 速度更慢但效果稍好一些 |
| "load":"" | 文件路径，从哪个 Disha checkpoint 开始微调。若从头微调训练可不填 |
| "r":32 | DiSHA 微调的 rank 参数，值越大效果越好，但训练速度越慢/显存需求越高，一般训练使用 32 或者 64 即可 |
调整其他训练参数
下面列出了脚本中其他可修改的训练参数，及其修改的效果。
| 参数 | 描述 |
|---|---|
--data_type binidx | 训练语料的文件格式，支持："utf-8", "utf-16le", "numpy", "binidx", "dummy", "wds_img", "uint16" |
--vocab_size 65536 | 词表大小，默认为 65536，设置为 0 表示模型自动确定词汇表大小 |
--epoch_count 5 | 总训练轮次 |
--epoch_begin 0 | 初始训练轮次，即从第 N 个训练轮次开始加载 |
--lr_init 2e-5 | 初始学习率，DiSHA 建议 2e-5 ，最大不超过 1e-4 |
--lr_final 2e-5 | 最终学习率，建议和初始学习率保持一致 |
--warmup_steps 0 | 预热步骤数，默认 0，加载模型微调时可尝试改成 50 |
--beta1 0.9 | Adam 优化器的 beta1 参数，保持默认值 |
--beta2 0.99 | Adam 优化器的 beta2 参数，保持默认值 |
--adam_eps 1e-8 | Adam 优化器的 epsilon 参数，保持默认值 |
--accelerator gpu | 使用的加速器类型，目前主要支持 gpu， cpu 基本不支持训练 |
--devices 1 | 显卡数量，单显卡填 1，多卡按实际数量填写 |
--precision bf16 | 训练精度，建议保持默认值 bf16，支持："fp32", "tf32", "fp16", "bf16" |
--strategy deepspeed_stage_1 | lightning 训练策略参数，微调推荐使用 deepspeed_stage_1，设备显存太小可将 1 改成 2 |
--grad_cp 1 | 梯度累积步数，0 训练更快但需更多显存，1 训练较慢但节省显存 |
--my_testing "x070" | 训练的 RWKV 模型版本，v5 选 x052，v6 选 x060，v7 选 x070 |
--dataload pad | 数据加载选项，"pad" 支持 bsz>1，"only" 则限制 bsz=1 |
--loss_mask pad | 在数据末尾进行 padding，可改成 "qa" 以对 QA 任务中的问题部分进行屏蔽，防止模型根据问题来记忆答案，从而增强模型的泛化能力。 |
--peft disha | 微调训练类型，DiSHA 微调填 disha 即可 |
--quant int8/nf4 | 可选，RWKV 默认使用 bf16 训练精度，但也支持 int8 和 nf4 两种量化训练，推荐使用精度损失较小的 int8 |
--wandb RWKV-PEFT-Disha | 可选，是否使用 wandb 可视化记录训练日志，需提前配置 wandb (opens in a new tab) 账号 |
附录：run_disha.sh 配置参考
load_model='/home/rwkv/RWKV-PEFT/model/RWKV-x070-World-2.9B-v3-20250211-ctx4096.pth'
proj_dir='/home/rwkv/RWKV-PEFT/output_disha'
data_file='/home/rwkv/RWKV-PEFT/data/rzb_rwkvself'
n_layer=32
n_embd=2560
micro_bsz=4
epoch_save=1
epoch_steps=1200
ctx_len=2048
disha_config='{"mode":"bone","load":"","r":64}'
python train.py --load_model $load_model \
--proj_dir $proj_dir --data_file $data_file \
--vocab_size 65536 \
--n_layer $n_layer --n_embd $n_embd \
--data_type binidx --dataload pad --loss_mask pad \
--ctx_len $ctx_len --micro_bsz $micro_bsz \
--epoch_steps $epoch_steps --epoch_count 4 --epoch_begin 0 --epoch_save $epoch_save \
--lr_init 2e-5 --lr_final 2e-5 --warmup_steps 0 --beta1 0.9 --beta2 0.99 --adam_eps 1e-8 \
--accelerator gpu --devices 1 --precision bf16 --strategy deepspeed_stage_1 --grad_cp 1 \
--my_testing "x070" \
--peft disha --disha_config $disha_config
# 以下是可选项
# --op cuda/fla/triton （选择不同的算子，不加此参数则默认使用 cuda）
# --wandb RWKV-PEFT-Disha （是否使用 wandb 监控训练过程）
# --quant int8/nf4 （是否量化训练）
# --lr_schedule wsd 是否启用余弦退火优化学习率，默认的 lr_schedule = cos_decay 参数调整完成后，请记得保存 run_disha.sh 文件。
开始训练
在 RWKV-PEFT 目录，运行 sh scripts/run_disha.sh 命令，开启 DiSHA 微调 。
正常开始训练后，应当是如下画面：
训练完毕后，应当可以在输出文件夹中找到训练好的 DiSHA 权重文件（.pth 格式）和训练日志（.txt 文件）:
如何使用 DiSHA 权重文件
得到 DiSHA 权重文件（如 rwkv-0.pth）后，你需要将它合并到基底 RWKV 模型中，获得一个完整的 DiSHA 微调模型。
这个过程可以使用 RWKV-PEFT/scripts 目录的 merge_disha.sh 脚本文件来完成。
修改合并参数
使用文本编辑器打开 scripts 目录下的 merge_disha.sh 脚本文件，并修改脚本中的合并参数：
| 参数 | 描述 |
|---|---|
base_model | 微调的基底 RWKV 模型路径，参考 run_disha.sh 的 load_model 参数 |
disha_checkpoint | 训练得到的某个 DiSHA 检查点文件路径（如 rwkv-0.pth ） |
output | 合并后的 DiSHA 模型输出路径（包含模型命名 xxx.pth） |
--quant | 跟随训练时的量化参数，nf4 或者 int8。如果训练时未使用量化，则无需添加此参数 |
merge_disha.sh 脚本参考：
base_model='/home/rwkv/RWKV-PEFT/model/RWKV-x070-World-0.4B-v2.9-20250107-ctx4096.pth'
peft_checkpoint='/home/rwkv/RWKV-PEFT/output_disha/rwkv-0.pth'
output='/home/rwkv/RWKV-PEFT/output_disha/disha-test.pth'
python merge/merge_disha.py --base_model $base_model \
--peft_checkpoint $peft_checkpoint \
--output $output
# --quant int8/nf4 （和训练时的量化参数同步）合并 DiSHA 权重文件
修改完成后保存文件，在 RWKV-PEFT 主目录运行 sh scripts/merge_disha.sh 命令，进行 DiSHA 模型合并：
合并结束后，在输出路径中可以找到合并后的 DiSHA 模型文件（.pth 格式）:
合并后的 DiSHA 模型可以在 RWKV Runner 或者 Ai00 中正常使用。
详细用法请参考 RWKV Runner 教程 (opens in a new tab) 和 Ai00 教程 (opens in a new tab)。