【模型微调】| 各类微调模型总结 P-Tuning，Prefix，P-tuning v2，LoRA

微调大模型方法最全综述

各种各样的微调模型在最近两三年很火爆，想要去讲明白这些方法并不容易~但是我还是想尝试一下，尽可能将这些微调模型以一个清晰的架构呈现出来

1 微调背景

首先我们从基础概念出发—— fine-tuning（微调），微调在AI界扮演着非常重要的角色，因为很多大模型往往采用预训练+微调范式

预训练大模型可以让模型广泛学习到一些知识~相当于广撒网，一个劲地学，也不管会碰撞怎样的思想火花，好比读书破万卷，所以可见预训练大模型需要很多的硬件资源，耗费很长时间，因而是很多大公司才能玩的动的。

那么预训练模型就很强了吗？不一定，就好比我们可能读了很多书，但想要对某些领域深入了解，需要再精读细读

某些领域的书籍，这就是模型微调，针对自然语言不同的下游任务（比如问答电影相关的知识）需要通过微调让模型获得更精细的知识，所以微调可以解决预训练模型在特定任务上表现差的情况。

微调可以分为两大类

1.1 Full fine-tuning 全参数微调（FFT）

很好理解，就是整体参数都参与到微调过程中，不对网络结构，Prompt进行更改，这种微调的效果往往结果会比较好，但是可想而知，耗费的资源和时间也长

因而人们想在保证结果优秀的前提下，想尽可能少的调整原本大模型的参数，来减小成本，也就是接下来的一大类

1.2 parameter-Efficient-fine-tuning 部分参数微调（PEFT）

• 其中有些维持原本网络结构和大部分参数不变，只动个别层的参数，这是传统微调方式，在传统AI任务如分类用的很多，比如我们只调整输出层的参数，我把他叫做部分参数训练法 在大语言模型用的其实不多

• 其中有些不动原本的网络结构和参数，对输入Prompt进行调整，我把他叫做提示词Prompt调整训练法 如P-tuning

• 对原本网络结构进行更改，增加某些层，或者增加某些结构，我把他叫做结构调整训练法

有些方法可能是上面三种基本方法的组合~

以下五个优点：

1. 能够降低计算成本（需要更少的GPU和GPU运行时间）；

2. 拥有更快的训练时间（更快地完成训练）；

3. 具备更低的硬件要求（适用于较小显存的GPU和较小的内存）；

4. 具有更好的模型性能（降低过拟合）；

5. 需要更少的存储空间（大部分weights可以在不同任务（tasks）之间共享）。

我们重点介绍提示词Prompt调整训练法和结构调整训练法

2 提示词调整训练法

2.1 P-Tuning

在2021年论文《GPT Understands，Too》提出Prompt tuning（即我们可以常看到的P-Tuning）（讲到用到NLU自然语言理解任务）

他的思路动机来源于，观察到在很多情况下，我们调整提示词可以获得更好的结果，可以做这样一个类比

原本提示词输入是，Input=1,2,3,4,5 （这里以数字举例，每个数字对应代表一个字符）假设模型输出能够打60分

我们在实验中发现，输入调整为Input= 2,2,3,4,5 会更好，模型输出最后能够打75分

但是如上我们的调整都是离散的调整，费时费力，我看到一个专门的称呼，叫这种调整方式是离散的，硬的（hard Prompt tuning）

而很有可能这两个都不是最佳的，最佳的可能是Input=1.4,2,3,4,5

所以我们给Input加一些可学习的部分，让他自己学习到最佳的提示词状态，这便是提示词调整训练法的一大精髓和核心（Soft Prompt tuning）

如下图，将原本的离散的The captial of is 这些变为h0,h1,h2等等一系列连续的量

通俗可以这么理解，就是针对某些任务，在提示词上做更改是可以提高模型的表现的，但是我们不知道该做怎样的更改，人工调整费时费力，简单，让模型自适应地去学习怎么样调整提示词！

P-tuning：自动构建模版，释放语言模型潜能 - 科学空间|Scientific Spaces (kexue.fm)

2.2 Prefix

Prefix-Tuning: Optimizing Continuous Prompts for Generation

Prefix其实和 P-Tuning挺像的

Prefix支持进入前缀，P-tuning不局限于前缀

Prefix注重自然语言生成任务，P-tuning 注重自然语言理解任务

《The Power of Scale for Parameter-Efficient Prompt Tuning》是Prefix的简化~

好好研究一下这个

然后研究一下开源库huggingface

大模型微调实践——Prefix tuning与P-tuning v2的原理、区别与代码解析最终章 - 知乎 (zhihu.com)

2.3 P-Tuning v2

2021年，清华大学提出《P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally Across Scales and Tasks》

v2 在v1的基础上进行了改进，显著的改进源于对预训练模型的每一层应用连续Prompt

3 结构调整训练法

3.1 Adapter tuning

2019年论文《Parameter-Efficient Transfer Learning for NLP》提出

如图，在自我注意模块(和前馈神经网络层模块)和后续剩余连接之间插入适配器层Adapter

在训练过程中，只训练Adapter结构的参数，原本模型参数不动

3.2 LoRA

论文《LoRA: Low-Rank Adaptation of Large Language Models》

具体做法

• 在原模型旁边增加一个旁路，通过低秩分解（先降维再升维）来模拟参数的更新量；
• 训练时，原模型固定，只训练降维矩阵A和升维矩阵B；
• 推理时，可将BA加到原参数上，不引入额外的推理延迟；
• 初始化，A采用高斯分布初始化，B初始化为全0，保证训练开始时旁路为0矩阵；
• 可插拔式的切换任务，当前任务W0+B1A1，将lora部分减掉，换成B2A2，即可实现任务切换；
• 秩的选取：对于一般的任务，rank=1,2,4,8足矣，而对于一些领域差距比较大的任务可能需要更大的rank。