CPT阶段，采用36w条医疗数据集，训练一轮后loss从23.1-17.5左右正常吗

[ygyang11]

如题，脚本参数如下，一共3813steps，在差不多400步的时候就已经降到18.2左右了，剩下的几千步降的很慢，且有震荡，不过eval_loss稳步下降。问题如下

1. 这个loss正常吗，怎么开始loss就23这么高？
2. 这个训练过程正常吗，训练了1轮loss17.5，感觉得训个10轮啊，但是数据量又不大是否会过拟合？请问您训练了几轮？
   3.我看工程经验中说到CPT阶段lr基本上设置为PT阶段的0.1，PT一般是3e-4，那CPT阶段应该是3e-5，请问默认参数2e-4会不会太大，导致难以收敛？

CUDA_VISIBLE_DEVICES=0,1 torchrun --nproc_per_node 2 pretraining.py \
    --model_name_or_path ./Baichuan2-13B-Chat \
    --train_file_dir ./Medical_data/medical/pretrain/train \
    --validation_file_dir ./Medical_data/medical/pretrain/valid \
    --per_device_train_batch_size 4 \
    --per_device_eval_batch_size 4 \
    --do_train \
    --do_eval \
    --use_peft True \
    --seed 42 \
    --max_train_samples -1 \
    --max_eval_samples 500 \
    --num_train_epochs 1 \
    --learning_rate 2e-4 \
    --warmup_ratio 0.05 \
    --weight_decay 0.01 \
    --logging_strategy steps \
    --logging_steps 10 \
    --eval_steps 50 \
    --evaluation_strategy steps \
    --save_steps 500 \
    --save_strategy steps \
    --save_total_limit 13 \
    --gradient_accumulation_steps 8 \
    --preprocessing_num_workers 10 \
    --block_size 512 \
    --group_by_length True \
    --output_dir outputs-pt-baichuan-v2 \
    --overwrite_output_dir \
    --ddp_timeout 30000 \
    --logging_first_step True \
    --target_modules all \
    --lora_rank 8 \
    --lora_alpha 16 \
    --lora_dropout 0.05 \
    --torch_dtype bfloat16 \
    --bf16 \
    --report_to tensorboard \
    --ddp_find_unused_parameters False \
    --gradient_checkpointing True \
    --cache_dir ./cache \
    --deepspeed zero2.json \
    --device_map auto \

[ygyang11]

@shibing624 徐老师，您能解答一下吗？这两天跑SFT，初始loss也是从12开始的，都很高

[shibing624]

12的loss也太高了吧。直接./Baichuan2-13B-Chat开始做SFT训练就可以了。

[xiaoming910]

想问一下做cpt，是直接是用书，mk类似的文本做吧，怎么是36w条呢

[xiaoming910]

会不会有影响呢

[shibing624]

CPT的数据，可以是这样的：

{"text": "如何才能摆脱拖延症？治愈拖延症并不容易，但以下建议可能有所帮助。"}
{"text": "清晨的阳光透过窗帘洒进房间，桌上的书页被风轻轻翻动。"}
{"text": "Transformer 通过自注意力机制建模上下文关系，是现代大语言模型的重要基础结构。"}

所以可以是xx条的。如果是传的整本书的txt也可以，会内置的切分为 max_seq_tokens的长度，by条处理。 --- 如果对CPT有疑问，可以自己从零训练一个gpt模型试试，参考https://github.com/jingyaogong/minimind