参数高效微调PEFT(一)快速入门BitFit、Prompt Tuning、Prefix Tuning
目前，模型最全的网站是HuggingFace，但是国内需要魔法流量才能访问。另外，现在大模型权重文件都较大，也会浪费不少流量，因此这里推荐使用魔搭社区下载模型文件，下面以Llama-2-7b模型为示例演示，其他模型只需换个模型名称(model_id)即可。
# 利用魔搭社区下载模型文件
# https://modelscope.cn/models
# 1、利用conda新建环境
(base) C:\Users\Undo>conda create -n ms python=3.9 -y
# 2、激活环境
(base) C:\Users\Undo>conda activate ms
# 3、安装modelscope、jupyterlab
(ms) C:\Users\Undo>pip install modelscope jupyterlab
.safetensors侧重于安全性和效率，适合于那些希望快速部署且对安全有较高要求的场景，尤其在Hugging Face生态中。.ckpt文件是 PyTorch Lightning 框架采用的模型存储格式，它不仅包含了模型参数，还包括优化器状态以及可能的训练元数据信息，使得用户可以无缝地恢复训练或执行推理。.bin文件不是标准化的模型保存格式，但在某些情况下可用于存储原始二进制权重数据，加载时需额外处理。.pth是PyTorch的标准模型保存格式，方便模型的持久化和复用，支持完整模型结构和参数的保存与恢复。
# 4、利用modelscope hub下载模型
from modelscope.hub.snapshot_download import snapshot_download
# 我们这里只下载.safetensors的权重文件
# 可以看到下载速度还是很快的
snapshot_download(
model_id='modelscope/Llama-2-7b-ms', # 需要下载的模型
cache_dir=r'D:\python\models\model-download', # 缓存到本地路径
ignore_file_pattern=['.bin'] # 不需要下载的文件
)
Downloading: 100%|██████████| 21.0/21.0 [00:00<?, ?B/s]
Downloading: 100%|██████████| 583/583 [00:00<00:00, 38.4kB/s]
Downloading: 100%|██████████| 183/183 [00:00<?, ?B/s]
Downloading: 100%|██████████| 179/179 [00:00<?, ?B/s]
Downloading: 100%|██████████| 6.86k/6.86k [00:00<?, ?B/s]
Downloading: 100%|█████████▉| 9.29G/9.29G [09:40<00:00, 17.2MB/s]
Downloading: 100%|█████████▉| 3.26G/3.26G [03:11<00:00, 18.3MB/s]
Downloading: 100%|██████████| 26.2k/26.2k [00:00<00:00, 572kB/s]
Downloading: 100%|██████████| 1.67k/1.67k [00:00<00:00, 113kB/s]
Downloading: 100%|██████████| 12.8k/12.8k [00:00<00:00, 425kB/s]
Downloading: 100%|██████████| 1.20M/1.20M [00:00<00:00, 3.65MB/s]
Downloading: 100%|██████████| 435/435 [00:00<00:00, 28.6kB/s]
Downloading: 100%|██████████| 1.76M/1.76M [00:00<00:00, 3.33MB/s]
Downloading: 100%|██████████| 488k/488k [00:00<00:00, 2.46MB/s]
Downloading: 100%|██████████| 746/746 [00:00<?, ?B/s]
Downloading: 100%|██████████| 4.65k/4.65k [00:00<00:00, 315kB/s]
1 参数高效微调(PEFT)简介
1.1 预训练语言模型 + 下游任务微调
- 随着Transformer在2017年发布后，2018年谷歌又发布了BERT模型；
- Bert的结构如下图所示，左边是Bert模型预训练过程，右边是对于具体任务的微调过程。
- 其中，微调阶段是后续用于一些下游任务的时候进行微调，例如：文本分类，词性标注，问答系统
- BERT 无需调整结构就可以在不同的任务上进行微调。
- 通过
预训练语言模型 + 下游任务微调的任务设计，带来了强大的模型效果。从此，预训练语言模型 + 下游任务微调便成为了 NLP 领域主流训练范式。
- 但是，随着模型变得越来越大(以GPT为代表的预训练语言模型)，在消费级硬件上对模型进行全部参数的微调（full fine-tuning）变得不可行。
- 此外，为每个下游任务独立存储和部署微调模型变得非常昂贵，因为
微调模型（调整模型的所有参数）与原始预训练模型的大小相同。
1.2 PEFT的简介
- 在上述的情况下，参数高效微调 (Parameter-efficient fine-tuning，PEFT)应运而生。
- 参数高效微调方法
仅对模型的一小部分参数（这一小部分可能是模型自身的，也可能是外部引入的）进行训练便可以为模型带来显著的性能变化，一些场景下甚至不输于全量微调。 - 由于训练一小部分参数，极大程度降低了训练大模型的算力需求，不需要多机多卡，单卡即可完成对一些大模型的训练，不仅如此，少量的训练参数对存储的要求同样降低了很多，大多数的参数高效微调方法只需要保存训练部分的参数，与动辄几十GB的原始大模型相比，几乎可以忽略。
- 除此之外，模型全量微调还会损失多样性，存在灾难性遗忘的问题。
- 如下图所示，高效微调技术可以粗略分为以下三大类：
- 增加额外参数（Additive）。而在增加额外参数这类方法中，又主要分为：
- 类适配器（Adapter-like）方法
- 软提示（Soft prompts）
- 选取一部分参数更新（Selective）
- 引入重参数化（Reparametrization-based）
- 增加额外参数（Additive）。而在增加额外参数这类方法中，又主要分为：
2 全量微调bloom模型
2.1 生成式问答机器人
数据集：https://huggingface.co/datasets/shibing624/alpaca-zh
预训练模型：澜舟科技开源的Bloom预训练生成模型-中文-389m(langboat/bloom-389m-zh)。如果机器GPU内存比较大，可以下载langboat/bloom-1b4-zh模型。
模型魔搭社区链接：
Bloom预训练生成模型-中文-389m · 模型库 (modelscope.cn)
我们使用此模型，先全量微调基于生成式的问答机器人。
- 预训练任务类型是因果语言模型(自回归模型)，因此我们需要AutoModelForCausalLM
- 基于上文的token预测当前token，需要注意的是结束位置要有特殊token，即eos_token。
-
我们基于
指令微调的方式，赋予回答问题的能力。将输入作为Prompt，我们这里基于单轮问答模型，在计算Loss时只计算Output部分，因此将输入的Label设置为-100。 -
指令微调通常涉及将模型训练为根据给定的指令执行特定任务。以下是一些用于指令微调的数据示例，每个示例包括一个指令和相应的期望输出： -
1、摘要： 指令(Instruction)：对以下文章进行摘要。 文章(Input)：（一段较长的文本） 期望输出(Output)：（文章的简短摘要） 2、情感分析： 指令(Instruction)：分析以下句子的情感倾向。 句子(Input)：我今天感觉非常开心！ 期望输出(Output)：正面 3、问答系统： 指令(Instruction)：回答以下问题。 问题(Input)：太阳系中的行星有哪些？ 期望输出(Output)：太阳系中的行星包括水星、金星、地球、火星、木星、土星、天王星和海王星。 4、文本分类： 指令(Instruction)：将以下文本分类为“科技”、“体育”或“艺术”中的一个类别。 文本(Input)：苹果公司发布了最新款的 iPhone。 期望输出(Output)：科技 5、语言翻译： 指令(Instruction)：将以下句子从英语翻译成法语。 句子(Input)：Hello, how are you? 期望输出(Output)：Bonjour, comment ça va?
2.1 模型的全量微调
2.1.1 加载数据集
from datasets import Dataset
from transformers import AutoTokenizer, AutoModelForCausalLM, DataCollatorForSeq2Seq, TrainingArguments, Trainer
ds = Dataset.load_from_disk("./alpaca_data_zh/")
ds[:3]
{
'output': ['以下是保持健康的三个提示：\n\n1. 保持身体活动。每天做适当的身体运动，如散步、跑步或游泳，能促进心血管健康，增强肌肉力量，并有助于减少体重。\n\n2. 均衡饮食。每天食用新鲜的蔬菜、水果、全谷物和脂肪含量低的蛋白质食物，避免高糖、高脂肪和加工食品，以保持健康的饮食习惯。\n\n3. 睡眠充足。睡眠对人体健康至关重要，成年人每天应保证 7-8 小时的睡眠。良好的睡眠有助于减轻压力，促进身体恢复，并提高注意力和记忆力。',
'4/16等于1/4是因为我们可以约分分子分母都除以他们的最大公约数4，得到（4÷4）/ (16÷4）=1/4。分数的约分是用分子和分母除以相同的非零整数，来表示分数的一个相同的值，这因为分数实际上表示了分子除以分母，所以即使两个数同时除以同一个非零整数，分数的值也不会改变。所以4/16 和1/4是两种不同的书写形式，但它们的值相等。',
'朱利叶斯·凯撒，又称尤利乌斯·恺撒（Julius Caesar）是古罗马的政治家、军事家和作家。他于公元前44年3月15日被刺杀。 \n\n根据历史记载，当时罗马元老院里一些参议员联合起来策划了对恺撒的刺杀行动，因为他们担心恺撒的统治将给罗马共和制带来威胁。在公元前44年3月15日（又称“3月的艾达之日”），恺撒去参加元老院会议时，被一群参议员包围并被攻击致死。据记载，他身中23刀，其中一刀最终致命。'],
'input': ['', '输入：4/16', ''],
'instruction': ['保持健康的三个提示。', '解释为什么以下分数等同于1/4', '朱利叶斯·凯撒是如何死亡的？']
}
2.1.2 数据集预处理
mode_path = r'/root/autodl-fs/models/langboat/bloom-389m-zh'
# tokenizer = AutoTokenizer.from_pretrained("Langboat/bloom-389m-zh")
tokenizer = AutoTokenizer.from_pretrained(mode_path)
tokenizer
BloomTokenizerFast(
name_or_path='/root/autodl-fs/models/langboat/bloom-389m-zh', # 模型路径
vocab_size=42437, # 词典大小
model_max_length=1000000000000000019884624838656,
is_fast=True,
padding_side='left', # 在左边进行填充
truncation_side='right', # 在右边进行截断
special_tokens={'bos_token': '<s>', 'eos_token': '</s>', 'unk_token': '<unk>', 'pad_token': '<pad>'}, # 特殊token
clean_up_tokenization_spaces=False
)
def process_func(example):
MAX_LENGTH = 256
input_ids, attention_mask, labels = [], [], []
# 将prompt进行tokenize，这里我们没有利用tokenizer进行填充和截断
# 这里我们自己进行截断，在DataLoader的collate_fn函数中进行填充
instruction = tokenizer("\n".join(["Human: " + example["instruction"], example["input"]]).strip() + "\n\nAssistant: ")
# 将output进行tokenize，注意添加eos_token
response = tokenizer(example["output"] + tokenizer.eos_token)
# 将instruction + output组合为input
input_ids = instruction["input_ids"] + response["input_ids"]
attention_mask = instruction["attention_mask"] + response["attention_mask"]
# prompt设置为-100,不计算loss
labels = [-100] * len(instruction["input_ids"]) + response["input_ids"]
# 设置最大长度，进行截断
if len(input_ids) > MAX_LENGTH:
input_ids = input_ids[:MAX_LENGTH]
attention_mask = attention_mask[:MAX_LENGTH]
labels = labels[:MAX_LENGTH]
return {
"input_ids": input_ids,
"attention_mask": attention_mask,
"labels": labels
}
tokenized_ds = ds.map(process_func, remove_columns=ds.column_names)
tokenized_ds
Dataset({
features: ['input_ids', 'attention_mask', 'labels'],
num_rows: 26858
})
# 展示两条数据
print(tokenized_ds[:2])
{
'input_ids': [
[23069, 29, 210, 6583, 24772, 8995, 13533, 671, 189, 4122, 15263, 29, 210, 4744, 583, 6583, 24772, 8995, 13533, 1022, 189, 189, 20, 17, 210, 6583, 8416, 3228, 420, 8634, 1900, 13648, 8416, 5625, 355, 1202, 29011, 553, 30355, 1298, 15599, 355, 961, 4872, 34650, 5980, 355, 10915, 15342, 7761, 355, 1403, 11472, 6189, 20465, 671, 189, 21, 17, 210, 20122, 13660, 420, 8634, 13869, 20189, 373, 17070, 553, 16382, 553, 1204, 6165, 1430, 641, 14562, 16130, 24251, 15502, 7984, 355, 7981, 1220, 6538, 553, 1220, 14562, 641, 13545, 10249, 355, 714, 6583, 24772, 13660, 11297, 671, 189, 22, 17, 210, 17672, 16272, 420, 17672, 1063, 13966, 5980, 18688, 355, 30645, 8634, 1638, 7900, 954, 3779, 210, 38858, 17672, 420, 14054, 17672, 11472, 15375, 10891, 355, 4872, 8416, 7442, 355, 1403, 5323, 4001, 16885, 14721, 1249, 420, 2],
[23069, 29, 210, 8254, 6744, 4744, 25703, 24676, 937, 27599, 189, 8996, 1022, 10273, 1323, 189, 189, 4122, 15263, 29, 210, 10273, 1323, 14359, 27599, 12675, 15295, 1714, 1008, 8460, 1008, 3101, 1266, 30984, 2388, 20263, 3899, 1665, 23, 355, 4290, 24270, 15445, 36981, 18, 375, 1323, 15445, 36981, 32, 27599, 420, 1008, 17620, 1714, 1008, 20576, 8460, 641, 1008, 3101, 30984, 14855, 1717, 7330, 35941, 355, 1042, 3648, 25703, 6317, 14855, 3469, 355, 857, 3047, 25703, 11490, 3648, 657, 8460, 30984, 1008, 3101, 355, 3293, 9043, 5101, 1665, 4232, 30984, 26919, 1717, 7330, 35941, 355, 1008, 17620, 3469, 18476, 8041, 420, 3293, 10273, 1323, 9623, 27599, 583, 11845, 7153, 28585, 5339, 355, 1379, 16030, 3469, 28807, 420, 2]],
'attention_mask': [
[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]],
'labels': [
[-100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, 4744, 583, 6583, 24772, 8995, 13533, 1022, 189, 189, 20, 17, 210, 6583, 8416, 3228, 420, 8634, 1900, 13648, 8416, 5625, 355, 1202, 29011, 553, 30355, 1298, 15599, 355, 961, 4872, 34650, 5980, 355, 10915, 15342, 7761, 355, 1403, 11472, 6189, 20465, 671, 189, 21, 17, 210, 20122, 13660, 420, 8634, 13869, 20189, 373, 17070, 553, 16382, 553, 1204, 6165, 1430, 641, 14562, 16130, 24251, 15502, 7984, 355, 7981, 1220, 6538, 553, 1220, 14562, 641, 13545, 10249, 355, 714, 6583, 24772, 13660, 11297, 671, 189, 22, 17, 210, 17672, 16272, 420, 17672, 1063, 13966, 5980, 18688, 355, 30645, 8634, 1638, 7900, 954, 3779, 210, 38858, 17672, 420, 14054, 17672, 11472, 15375, 10891, 355, 4872, 8416, 7442, 355, 1403, 5323, 4001, 16885, 14721, 1249, 420, 2],
[-100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, -100, 10273, 1323, 14359, 27599, 12675, 15295, 1714, 1008, 8460, 1008, 3101, 1266, 30984, 2388, 20263, 3899, 1665, 23, 355, 4290, 24270, 15445, 36981, 18, 375, 1323, 15445, 36981, 32, 27599, 420, 1008, 17620, 1714, 1008, 20576, 8460, 641, 1008, 3101, 30984, 14855, 1717, 7330, 35941, 355, 1042, 3648, 25703, 6317, 14855, 3469, 355, 857, 3047, 25703, 11490, 3648, 657, 8460, 30984, 1008, 3101, 355, 3293, 9043, 5101, 1665, 4232, 30984, 26919, 1717, 7330, 35941, 355, 1008, 17620, 3469, 18476, 8041, 420, 3293, 10273, 1323, 9623, 27599, 583, 11845, 7153, 28585, 5339, 355, 1379, 16030, 3469, 28807, 420, 2]]}
# 解码一条数据验证预处理是否成功
print(tokenizer.decode(tokenized_ds[1]["input_ids"]))
print(tokenizer.decode(list(filter(lambda x: x != -100, tokenized_ds[1]["labels"]))))
'Human: 解释为什么以下分数等同于1/4\n输入：4/16\n\nAssistant: 4/16等于1/4是因为我们可以约分分子分母都除以他们的最大公约数4，得到（4÷4）/ (16÷4）=1/4。分数的约分是用分子和分母除以相同的非零整数，来表示分数的一个相同的值，这因为分数实际上表示了分子除以分母，所以即使两个数同时除以同一个非零整数，分数的值也不会改变。所以4/16 和1/4是两种不同的书写形式，但它们的值相等。</s>'
'4/16等于1/4是因为我们可以约分分子分母都除以他们的最大公约数4，得到（4÷4）/ (16÷4）=1/4。分数的约分是用分子和分母除以相同的非零整数，来表示分数的一个相同的值，这因为分数实际上表示了分子除以分母，所以即使两个数同时除以同一个非零整数，分数的值也不会改变。所以4/16 和1/4是两种不同的书写形式，但它们的值相等。</s>'
2.1.3 创建模型、配置训练器
# model = AutoModelForCausalLM.from_pretrained("Langboat/bloom-389m-zh")
model = AutoModelForCausalLM.from_pretrained(mode_path)
# 在训练之前，我们先推理一下
from transformers import pipeline
pipe = pipeline("text-generation", model=model, tokenizer=tokenizer, device=0)
ipt = "Human: {}\n{}".format("考试有哪些技巧？", "").strip() + "\n\nAssistant: "
pipe(ipt, max_length=256, do_sample=True, )
[{'generated_text': "Human: 考试有哪些技巧？\n\nAssistant: 考试技巧：\n（上）\nInglis skills （上）\n（下）\nIn other words I have a lot of experience in English\nI have a lot of experience with our children\nI have a lot of experience with our students\nI have more experience in the English of the world\nWhen did you get out of college？\nI feel an sense of helth in my country\nI feel like I am a big man in someone\nI feel like I am in there and I'm not going away\nI see the bad that I live in\nI see the bad that is done around me\nI see the bad that was done my family and I have to live with it to the end\nBut also I see the good that I still have to live with it and give it an ending\nI see the good that the bad that is done in me may come right back to me\nAnd the bad that was made to me so that I may live with it\nIt can stop me not being the same\nIt can stop me not being someone that I need to be\nAnd I can live with a bad that made me to feel like a big man in someone\nI"}]
显存消耗分析
模型参数：386m 大约 0.38G
模型占用：默认是fp32，占用4个字节，0.38G * 4 = 1.52G
梯度占用：0.38G * 4 = 1.52G
优化器：0.38G * 4 * 2 = 3.04G
一共占用显存：6.08G
- 这里我们为了显存接近计算的显存，先设置batch_size=1，并且不进行梯度累加
- 对于后面高效微调方法，对比显存占用时同样设置batch_size=1，并且不进行梯度累加
# 我们为了显存接近计算的显存，设置batch_size=1，并且不进行梯度累加
args = TrainingArguments(
output_dir="./chatbot", # 输出文件夹
per_device_train_batch_size=1, # 训练时的batch_size
logging_steps=100, # log 打印的频率
num_train_epochs=1 # 训练轮数
)
trainer = Trainer(
model=model, # 预训练模型
args=args, # 训练参数
train_dataset=tokenized_ds, # 训练集
data_collator=DataCollatorForSeq2Seq(tokenizer=tokenizer, padding=True)
)
# 我们可以看到消耗内存 6884MiB = 6.72G
(base) root@autodl-container-adbc11ae52-f2ebff02:~# nvidia-smi
Sat May 25 10:19:17 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.89.02 Driver Version: 525.89.02 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... On | 00000000:B5:00.0 Off | N/A |
| 34% 59C P2 182W / 250W | 6884MiB / 11264MiB | 72% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
+-----------------------------------------------------------------------------+
- 我们测试后，为了加快训练速度，设置batch_size为4，并设置梯度累积次数为8
- 后面高效微调方法真正训练时，我们也这样设置，加快训练速度。
args = TrainingArguments(
output_dir="./chatbot", # 输出文件夹
per_device_train_batch_size=4, # 训练时的batch_size
gradient_accumulation_steps=8, # 梯度累积次数，相当于batch_size=32
logging_steps=100, # log 打印的频率
num_train_epochs=1 # 训练轮数
)
trainer = Trainer(
model=model, # 预训练模型
args=args, # 训练参数
train_dataset=tokenized_ds, # 训练集
data_collator=DataCollatorForSeq2Seq(tokenizer=tokenizer, padding=True)
)
(base) root@autodl-container-adbc11ae52-f2ebff02:~# nvidia-smi
Sat May 25 10:21:24 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.89.02 Driver Version: 525.89.02 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... On | 00000000:B5:00.0 Off | N/A |
| 34% 58C P2 225W / 250W | 8636MiB / 11264MiB | 96% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
+-----------------------------------------------------------------------------+
2.1.4 模型训练及推理
# 模型训练
trainer.train()
# 我们再次推理，可以发现效果变好了
from transformers import pipeline
pipe = pipeline("text-generation", model=model, tokenizer=tokenizer, device=0)
ipt = "Human: {}\n{}".format("考试有哪些技巧？", "").strip() + "\n\nAssistant: "
pipe(ipt, max_length=256, do_sample=True, )
[{'generated_text': 'Human: 考试有哪些技巧？\n\nAssistant: 考试有着不同的技巧，这些技巧可以帮助学生在考试中取得好成绩。不同的考试需要不同的学习方法，不同的学生应该利用不同的学习方法来学习。每种考试都有其具体的步骤和考试选项，每种考试都有自己独特的特点和考试要求。这些考试技巧可以有效地帮助学生理解考试的需求和不适，并提高他们的学习效率。\n\n考试的技巧和学习方法是一对一的，这有助于学生提高学习能力、保持良好学习习惯并提高学业成绩。考试的指导和考试题海量且丰富，这可以帮助学生在学习中不断提高自我，提高求学能力，并为未来考试做好准备。此外，考试的每套答案都是有答案的，这有助于学生更好地掌握考试技巧。'}]
3 BitFit
3.1 BitFit概述
-
BitFit是一种稀疏的微调方法，它训练时只
更新bias的参数或者部分bias参数。 -
对于BERT encoder模型而言，只更新bias参数跟特定任务的分类层参数。
- 涉及到的bias参数有attention模块中计算query,key,value;
- MLP层中的bias;
- Layernormalization层的bias参数。
-
在Bert-Base/Bert-Large这种模型里，bias参数仅占模型全部参数量的0.08%～0.09%。
- 如下图，BitFit在参数量远小于Adapter、Diff-Pruning的情况下，效果与Adapter、Diff-Pruning相当，甚至在某些任务上略优于Adapter、Diff-Pruning。
- 如下图所示，虽不及全量参数微调，但是远超固定全部模型参数的Frozen方式。另外，发现计算query和将特征维度从N放大到4N的FFN层（intermediate）的bias参数变化最为明显，只更新这两类bias参数也能达到不错的效果。
3.2 BitFit轻量微调bloom模型
HuggingFace上有一个专门用于高效微调的库peft，地址：https://github.com/huggingface/peft
我们可以直接通过pip进行安装：
pip install peft
BitFit轻量微调bloom模型步骤很简单，peft库并未集成此方法，我们可以手动实现。
- 加载数据集、数据集预处理和2.1中一样。
创建模型后，我们需要进行BitFit微调。
# 加载模型
model = AutoModelForCausalLM.from_pretrained(mode_path, low_cpu_mem_usage=True)
# 模型的参数量
print(sum(param.numel() for param in model.parameters()))
# 加载模型后，我们可以进行BitFit微调
num_param = 0
for name, param in model.named_parameters():
if "bias" not in name:
param.requires_grad = False # 非baias的参数进行冻结
else:
num_param += param.numel()
# 272384
print(num_param)
# 0.0007877630195608073
print(num_param / sum(param.numel() for param in model.parameters()))
-
配置训练器、模型训练及推理和2.1一样。
-
显存消耗情况：
# 设置batch_size=1，并且不进行梯度累加
(base) root@autodl-container-adbc11ae52-f2ebff02:~/autodl-fs/models/langboat/bloom-389m-zh# nvidia-smi
Mon May 27 17:42:23 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.89.02 Driver Version: 525.89.02 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... On | 00000000:B4:00.0 Off | N/A |
| 34% 60C P2 176W / 250W | 2674MiB / 11264MiB | 40% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
+-----------------------------------------------------------------------------+
4 Prefix Tuning
4.1 Prefix Tuning概述
- 论文链接：2101.00190 (arxiv.org)
- 传统的微调范式利用预训练模型去对不同的下游任务进行微调，对每个任务都要保存一份微调后的模型权重，一方面微调整个模型耗时长；另一方面也会占很多存储空间。
- 在Prefix Tuning之前的工作主要是人工设计离散的模版或者自动化搜索离散的模版。
- 对于人工设计的模版，模版的变化对模型最终的性能特别敏感，加一个词、少一个词或者变动位置都会造成比较大的变化。
- 而对于自动化搜索模版，成本也比较高；同时，以前这种离散化的token搜索出来的结果可能并不是最优的。
- 基于上述两点，Prefix Tuning提出为LM添加可训练任务特定的前缀，这样就
可以为不同任务保存不同的前缀，微调成本也小(如下图所示)； - 这种Prefix实际就是连续可微的Virtual Token（
Soft Prompt），相比离散的Token，更好优化，效果更好。
-
如下图，针对不同的模型结构，需要构造不同的Prefix。
- 针对自回归架构模型：在句子前面添加前缀，得到
z = [PREFIX; x; y]，合适的上文能够在固定 LM 的情况下去引导生成下文。 - 针对编码器-解码器架构模型：Encoder和Decoder都增加了前缀，得到
z = [PREFIX; x; PREFIX0; y]。Encoder端增加前缀是为了引导输入部分的编码，Decoder 端增加前缀是为了引导后续token的生成。
- 针对自回归架构模型：在句子前面添加前缀，得到
-
该方法其实和构造Prompt类似，只是Prompt是人为构造的“显式”的提示，并且无法更新参数，而Prefix则是可以学习的“隐式”的提示。
-
如下图，为了防止直接更新Prefix的参数导致训练不稳定和性能下降的情况，
在Prefix层前面加了MLP结构，训练完成后，只保留Prefix的参数。除此之外，通过消融实验证实，只调整embedding层的表现力不够，将导致性能显著下降，因此，在每层都加了prompt的参数，改动较大。
4.2 Prefix Tuning源码分析
PEFT代码主要集中在src/peft目录下，其中tuners目录下实现了PrefixTuning、PromptTuning、PTuning、Adapter、LoRA、AdaLoRA这些方法配置文件的构造、解析，新增训练参数模型的构造，各种PEFT方法配置文件类之间的继承关系如下所示：
如下图所示，PeftModel类对于不同的任务，有不同的实现类：
我们下面以peft_model.py文件中PeftModelForCausalLM的forward函数实现为例，看一下在推理阶段如何对于PrefixTuning进行操作：
- 1、首先通过配置文件的所继承的父类类型来判断PEFT方法是否属于Prompt相关的，如果不是，就表示使用的是Adapter、LoRA等方法，直接执行推理。
# peft_model.py
# PeftModelForCausalLM的forward函数
def forward(
self,
input_ids=None,
attention_mask=None,
inputs_embeds=None,
labels=None,
output_attentions=None,
output_hidden_states=None,
return_dict=None,
**kwargs,
):
peft_config = self.active_peft_config
# 如果不是prompt相关算法，直接执行这个分支计算Adapter、LoRA的推理过程
if not peft_config.is_prompt_learning:
......
- 2、如果通过配置文件的所继承的父类类型来判断PEFT方法属于Prompt相关的，因为要在序列的开始位置添加虚拟token的embedding，所以也要补全attention mask
# 如果是Prompt相关算法，执行下面代码
batch_size = _get_batch_size(input_ids, inputs_embeds)
if attention_mask is not None:
# concat prompt attention mask
# 计算添加Prompt之后的attention mask
prefix_attention_mask = torch.ones(batch_size, peft_config.num_virtual_tokens).to(attention_mask.device)
attention_mask = torch.cat((prefix_attention_mask, attention_mask), dim=1)
if kwargs.get("position_ids", None) is not None:
warnings.warn("Position ids are not supported for parameter efficient tuning. Ignoring position ids.")
kwargs["position_ids"] = None
if kwargs.get("token_type_ids", None) is not None:
warnings.warn("Token type ids are not supported for parameter efficient tuning. Ignoring token type ids")
kwargs["token_type_ids"] = None
kwargs.update(
{
"attention_mask": attention_mask,
"labels": labels,
"output_attentions": output_attentions,
"output_hidden_states": output_hidden_states,
"return_dict": return_dict,
}
)
- 3、通过配置文件的类型来判断PEFT方法到底是PrefixTuning/PTuningV2，还是PromptTuning/PTuningV1
- 如果是PromptTuning/PTuningV1，则将虚拟token的embedding直接concat到原始输入序列的前面，送入base model模型进行推理。
- 如果是PrefixTuning/PTuningV2，需要给每一个transformer block的key和value添加虚拟token的embedding。
# 如果为PREFIX_TUNING，需要给每一个transformer block的key和value添加虚拟token的embedding
if peft_config.peft_type == PeftType.PREFIX_TUNING:
# Note: 重点关注self.get_prompt(batch_size)这一行代码
# self.get_prompt是其父类PeftModel中的方法
past_key_values = self.get_prompt(batch_size)
return self.base_model(
input_ids=input_ids, inputs_embeds=inputs_embeds, past_key_values=past_key_values, **kwargs
)
else:
# PromptTuning/PTuningV1 分支
if inputs_embeds is None:
# 计算prompt以外输入内容的embedding
inputs_embeds = self.word_embeddings(input_ids)
# concat prompt labels
if labels is not None:
prefix_labels = torch.full((batch_size, peft_config.num_virtual_tokens), -100).to(labels.device)
kwargs["labels"] = torch.cat((prefix_labels, labels), dim=1)
# prompt内容的embedding
prompts = self.get_prompt(batch_size=batch_size)
prompts = prompts.to(inputs_embeds.dtype)
# 将prompt embedding 和原始的embedding 一起送到base model进行推理计算
inputs_embeds = torch.cat((prompts, inputs_embeds), dim=1)
return self.base_model(inputs_embeds=inputs_embeds, **kwargs)
-
4、这里，我们先重点关注父类PeftModel中的方法self.get_prompt(batch_size)
-
我们先看父类的初始化方法，会从base_model获取相关模型参数，比如这里获取的模型参数为：
BloomConfig { "apply_residual_connection_post_layernorm": false, "attention_dropout": 0.0, "bos_token_id": 1, "eos_token_id": 2, "hidden_dropout": 0.0, "hidden_size": 64, # hidden_size "initializer_range": 0.02, "layer_norm_epsilon": 1e-05, "model_type": "bloom", "n_head": 8, # 8头 "n_layer": 2, # 2个BloomBlock "pretraining_tp": 1, "slow_but_exact": false, "transformers_version": "4.30.1", "use_cache": true, "vocab_size": 250880 } -
我们这里是prefix tuning，因此会进入self.add_adapter方法。
# peft/peft_model.py class PeftModel(PushToHubMixin, torch.nn.Module): def __init__(self, model: PreTrainedModel, peft_config: PeftConfig, adapter_name: str = "default"): super().__init__() self.base_model = model # 从base_model中获取相关参数 self.config = getattr(self.base_model, "config", {"model_type": "custom"}) self.modules_to_save = None self.peft_config = {} self.active_adapter = adapter_name self.peft_type = peft_config.peft_type if not peft_config.is_prompt_learning: # 如果不是prompt相关方法 self.peft_config[adapter_name] = peft_config self.base_model = PEFT_TYPE_TO_MODEL_MAPPING[peft_config.peft_type]( self.base_model, self.peft_config, adapter_name ) self.set_additional_trainable_modules(peft_config, adapter_name) else: # 如果是prompt相关方法，prefix tuning会进入此方法 self.add_adapter(adapter_name, peft_config) ...... -
self.add_adapter方法中最重要的就是
_setup_prompt_encoder方法。通过此方法，就会获取PrefixEncoder用来初始化PeftModel类中的属性self.prompt_encoder。# peft/peft_model.py def add_adapter(self, adapter_name: str, peft_config: PeftConfig): ...... try: if peft_config.is_prompt_learning: if hasattr(self.config, "to_dict"): dict_config = self.config.to_dict() else: dict_config = self.config peft_config = _prepare_prompt_learning_config(peft_config, dict_config) # 这里会初始化prompt_encoder self._setup_prompt_encoder(adapter_name) ...... -
我们看下PrefixEncoder这个类，可以看到 Prefix Tuning 与 P-Tuning v2 最主要的差别就是是否进行重新参数化编码
# peft/tuners/prefix_tuning.py # Based on https://github.com/THUDM/P-tuning-v2/blob/main/model/prefix_encoder.py # with some refactor class PrefixEncoder(torch.nn.Module): def __init__(self, config): super().__init__() self.prefix_projection = config.prefix_projection token_dim = config.token_dim num_layers = config.num_layers encoder_hidden_size = config.encoder_hidden_size num_virtual_tokens = config.num_virtual_tokens if self.prefix_projection and not config.inference_mode: # Use a two-layer MLP to encode the prefix # Prefix Tuning 进行重新参数化编码（通过MLP） self.embedding = torch.nn.Embedding(num_virtual_tokens, token_dim) self.transform = torch.nn.Sequential( torch.nn.Linear(token_dim, encoder_hidden_size), torch.nn.Tanh(), torch.nn.Linear(encoder_hidden_size, num_layers * 2 * token_dim), ) else: # P-Tuning v2 self.embedding = torch.nn.Embedding(num_virtual_tokens, num_layers * 2 * token_dim) def forward(self, prefix: torch.Tensor): if self.prefix_projection: # 先进行Embedding 此时shape为：(batch_size, num_virtual_tokens) # 再进行重新参数化编码，此时shape为：（batch_size, num_virtual_tokens, 2*layers*hidden） prefix_tokens = self.embedding(prefix) past_key_values = self.transform(prefix_tokens) else: past_key_values = self.embedding(prefix) return past_key_values -
我们继续看self.get_prompt(batch_size)方法
- 我们这里设置batch_size=1，num_virtual_tokens=10，此时获取到的prompt_encoder为：
PrefixEncoder( (embedding): Embedding(10, 64) (transform): Sequential( (0): Linear(in_features=64, out_features=64, bias=True) (1): Tanh() (2): Linear(in_features=64, out_features=256, bias=True) ) )- 通过下面代码，我们就得到了每一个block，前面需要拼接的past_key_value了。
def get_prompt(self, batch_size: int): """ Returns the virtual prompts to use for Peft. Only applicable when `peft_config.peft_type != PeftType.LORA`. """ peft_config = self.active_peft_config prompt_encoder = self.prompt_encoder[self.active_adapter] prompt_tokens = ( self.prompt_tokens[self.active_adapter] .unsqueeze(0) .expand(batch_size, -1) .to(prompt_encoder.embedding.weight.device) ) # shape = (1, 10) if peft_config.peft_type == PeftType.PREFIX_TUNING: prompt_tokens = prompt_tokens[:, : peft_config.num_virtual_tokens] if peft_config.inference_mode: past_key_values = prompt_encoder.embedding.weight.repeat(batch_size, 1, 1) else: # 经过prompt_encoder，shape=(1,10,256) past_key_values = prompt_encoder(prompt_tokens) if self.base_model_torch_dtype is not None: past_key_values = past_key_values.to(self.base_model_torch_dtype) # past_key_values，torch.Size([1, 10, 4, 8, 8]) past_key_values = past_key_values.view( batch_size, peft_config.num_virtual_tokens, peft_config.num_layers * 2, peft_config.num_attention_heads, peft_config.token_dim // peft_config.num_attention_heads, ) # 如果是编码器-解码器架构，就再复制一次，我们这里不复制 if peft_config.num_transformer_submodules == 2: past_key_values = torch.cat([past_key_values, past_key_values], dim=2) # 重排：torch.Size([4, 1, 8, 10, 8]) # 然后split成一个长度为2的tuple（2层bloom block），每个tuple的shape：torch.Size([2, 1, 8, 10, 8]) # 也就是说past_key_values是2个层的Prefix embedding，形状为(num_transformer_submodules * 2, batch_size, num_attention_heads, num_virtual_tokens, token_dim/num_attention_heads]) 注意：这里*2是因为key+value. past_key_values = past_key_values.permute([2, 0, 3, 1, 4]).split( peft_config.num_transformer_submodules * 2 ) if TRANSFORMERS_MODELS_TO_PREFIX_TUNING_POSTPROCESS_MAPPING.get(self.config.model_type, None) is not None: post_process_fn = TRANSFORMERS_MODELS_TO_PREFIX_TUNING_POSTPROCESS_MAPPING[self.config.model_type] past_key_values = post_process_fn(past_key_values) # 第一个bloom block中key 和 value 如下： # past_key_values[0][0].shape， torch.Size([8, 8, 10]) # past_key_values[0][1].shape， torch.Size([8, 10, 8]) return past_key_values else: if peft_config.inference_mode: prompts = prompt_encoder.embedding.weight.repeat(batch_size, 1, 1) else: prompts = prompt_encoder(prompt_tokens) return prompts
-
-
5、我们得到每一层的past_key_value后，就需要在每一层的transformer block的key和value前面，拼接past_key_value。我们这里查看BloomModel中BloomBlock中的BloomAttention前向传播代码。
注意: 这里其实利用了大模型推理优化技术-KV Cache
# transformers/models/bloom/modeling_bloom.py
class BloomAttention(nn.Module):
......
def forward(
self,
hidden_states: torch.Tensor, # torch.Size([1, 48, 64])
residual: torch.Tensor, # torch.Size([1, 48, 64])
alibi: torch.Tensor,
attention_mask: torch.Tensor,
layer_past: Optional[Tuple[torch.Tensor, torch.Tensor]] = None,
head_mask: Optional[torch.Tensor] = None,
use_cache: bool = False,
output_attentions: bool = False,
):
# fused_qkv, torch.Size([1, 48, 192])
fused_qkv = self.query_key_value(hidden_states) # [batch_size, seq_length, 3 x hidden_size]
# 3 x [batch_size, seq_length, num_heads, head_dim]
# 3 x torch.Size([1, 48, 8, 8])
(query_layer, key_layer, value_layer) = self._split_heads(fused_qkv)
batch_size, q_length, _, _ = query_layer.shape
# query_layer, torch.Size([8, 48, 8])
query_layer = query_layer.transpose(1, 2).reshape(batch_size * self.num_heads, q_length, self.head_dim)
# key_layer, torch.Size([8, 8, 48])
key_layer = key_layer.permute(0, 2, 3, 1).reshape(batch_size * self.num_heads, self.head_dim, q_length)
# value_layer, torch.Size([8, 48, 8])
value_layer = value_layer.transpose(1, 2).reshape(batch_size * self.num_heads, q_length, self.head_dim)
# 可以看到将past_key和past_value 拼接到key_layer和value_layer前面
# 注意：这也是kv cache的核心代码
if layer_past is not None:
# past_key, torch.Size([8, 8, 10])
# past_value, torch.Size([8, 10, 8])
past_key, past_value = layer_past
# 拼接后， key_layer，torch.Size([8, 8, 58])
# value_layer，torch.Size([8, 58, 8])
key_layer = torch.cat((past_key, key_layer), dim=2)
value_layer = torch.cat((past_value, value_layer), dim=1)
_, _, kv_length = key_layer.shape
if use_cache is True: # 将数据存到 KV Cache
present = (key_layer, value_layer)
else:
present = None
......
4.3 Prefix Tuning轻量微调bloom模型
我们现在已经知道，我们只需要在加载原模型后、配置训练器前加peft的代码即可。
from peft import PrefixTuningConfig, get_peft_model, TaskType
config = PrefixTuningConfig(
task_type=TaskType.CAUSAL_LM,
num_virtual_tokens=10,
prefix_projection=True
)
config
PrefixTuningConfig(peft_type=<PeftType.PREFIX_TUNING: 'PREFIX_TUNING'>, auto_mapping=None, base_model_name_or_path=None, revision=None, task_type=<TaskType.CAUSAL_LM: 'CAUSAL_LM'>, inference_mode=False, num_virtual_tokens=10, token_dim=None, num_transformer_submodules=None, num_attention_heads=None, num_layers=None, encoder_hidden_size=None, prefix_projection=True)
model = get_peft_model(model, config)
print(model.prompt_encoder)
print(model.print_trainable_parameters())
ModuleDict(
(default): PrefixEncoder(
(embedding): Embedding(10, 1024)
(transform): Sequential(
(0): Linear(in_features=1024, out_features=1024, bias=True)
(1): Tanh()
(2): Linear(in_features=1024, out_features=49152, bias=True)
)
)
)
trainable params: 51,440,640 || all params: 397,209,600 || trainable%: 12.950502706883217
- 配置训练器、模型训练及推理和2.1一样。
- 显存消耗情况：
# 设置batch_size=1，并且不进行梯度累加
(base) root@autodl-container-adbc11ae52-f2ebff02:~/autodl-fs/models/langboat/bloom-389m-zh# nvidia-smi
Mon May 27 17:40:44 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.89.02 Driver Version: 525.89.02 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... On | 00000000:B4:00.0 Off | N/A |
| 31% 54C P2 193W / 250W | 3346MiB / 11264MiB | 51% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
+-----------------------------------------------------------------------------+
5 Prompt Tuning
5.1 Prompt Tuning概述
-
Prompt-Tuning的思想: 冻结主模型全部参数，在训练数据前加入一小段Prompt，只训练Prompt的表示层，即一个Embedding模块。总的来说就是，只要模型规模够大，简单加入 Prompt tokens 进行微调，就能取得很好的效果。
-
该方法可以看作是 Prefix Tuning 的简化版本，只在输入层加入 prompt tokens，
并不需要加入 MLP 进行调整来解决难训练的问题，主要在 T5 预训练模型上做实验。 -
作者做了一系列对比实验，都在说明：
随着预训练模型参数的增加，一切的问题都不是问题，最简单的设置也能达到极好的效果。-
Prompt 初始化方式影响（下图a）：Random Uniform 方式明显弱于其他两种，但是当模型参数达到一定量级，这种差异也不复存在。
-
Prompt 长度影响（下图b）：模型参数达到一定量级时，Prompt 长度为 1 也能达到不错的效果，Prompt 长度为 20 就能达到极好效果。
-
预训练的方式（下图c）：LM Adaptation 的方式效果好，但是当模型达到一定规模，差异又几乎没有了。
-
微调步数影响（下图d）：模型参数较小时，步数越多，效果越好。同样随着模型参数达到一定规模，zero shot 也能取得不错效果。
-
5.2 Prompt Tuning轻量微调bloom模型
在peft库中，Prompt又存在两种形式，一种是hard prompt，一种是soft prompt。
5.2.1 soft prompt
我们现在已经知道，我们只需要在加载原模型后、配置训练器前加peft的代码即可。
# 设置batch_size=1，并且不进行梯度累加
# 加载模型
model = AutoModelForCausalLM.from_pretrained(mode_path, low_cpu_mem_usage=True)
from peft import PromptTuningConfig, get_peft_model, TaskType, PromptTuningInit
# Soft Prompt
config = PromptTuningConfig(task_type=TaskType.CAUSAL_LM, num_virtual_tokens=10)
model = get_peft_model(model, config)
# 打印可训练的参数
model.print_trainable_parameters()
#
trainable params: 10,240 || all params: 345,779,200 || trainable%: 0.0029614274080106613
- 配置训练器、模型训练及推理和2.1一样。
- 显存消耗情况：
(base) root@autodl-container-adbc11ae52-f2ebff02:~/autodl-fs/models/langboat/bloom-389m-zh# nvidia-smi
Mon May 27 17:45:46 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.89.02 Driver Version: 525.89.02 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... On | 00000000:B4:00.0 Off | N/A |
| 37% 63C P2 188W / 250W | 2830MiB / 11264MiB | 45% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
+-----------------------------------------------------------------------------+
我们可以看下prompt_tuning.py中的源码：
- 我们发现prompt_tuning_init默认为RANDOM
- 此时，prompt会nn.Embedding进行随机初始化
class PromptTuningConfig(PromptLearningConfig):
# prompt_tuning_init默认为RANDOM
prompt_tuning_init: Union[PromptTuningInit, str] = field(
default=PromptTuningInit.RANDOM,
metadata={"help": "How to initialize the prompt tuning parameters"},
)
......
class PromptEmbedding(torch.nn.Module):
def __init__(self, config, word_embeddings):
super().__init__()
total_virtual_tokens = config.num_virtual_tokens * config.num_transformer_submodules
# 将num_virtual_tokens进行Embedding，即随机初始化(即soft prompt)
self.embedding = torch.nn.Embedding(total_virtual_tokens, config.token_dim)
# 下面代码只有在prompt_tuning_init=TEXT才会执行(即hard prompt)
if config.prompt_tuning_init == PromptTuningInit.TEXT:
from transformers import AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained(config.tokenizer_name_or_path)
init_text = config.prompt_tuning_init_text
# 对prompt_tuning_init_text进行tokenizer
init_token_ids = tokenizer(init_text)["input_ids"]
......
# 然后作为embedding的初始化权重
word_embedding_weights = word_embeddings(torch.LongTensor(init_token_ids)).detach().clone()
word_embedding_weights = word_embedding_weights.to(torch.float32)
self.embedding.weight = torch.nn.Parameter(word_embedding_weights)
5.2.2 hard prompt
-
设置num_virtual_tokens和tokenizer后prompt_tuning_init_text长度相等，此时不会进行截取
-
设置prompt_tuning_init等于PromptTuningInit.TEXT，此时会对prompt_tuning_init_text进行tokenizer，然后embedding的初始化权重
# 加载模型
model = AutoModelForCausalLM.from_pretrained(mode_path, low_cpu_mem_usage=True)
from peft import PromptTuningConfig, get_peft_model, TaskType, PromptTuningInit
# Hard Prompt
config = PromptTuningConfig(task_type=TaskType.CAUSAL_LM, # 因果语言任务
prompt_tuning_init=PromptTuningInit.TEXT,
prompt_tuning_init_text="下面是一段人与机器人的对话。",
num_virtual_tokens=len(tokenizer("下面是一段人与机器人的对话。")["input_ids"]),
tokenizer_name_or_path=mode_path)
PromptTuningConfig(peft_type=<PeftType.PROMPT_TUNING: 'PROMPT_TUNING'>, auto_mapping=None, base_model_name_or_path=None, revision=None, task_type=<TaskType.CAUSAL_LM: 'CAUSAL_LM'>, inference_mode=False, num_virtual_tokens=8, token_dim=None, num_transformer_submodules=None, num_attention_heads=None, num_layers=None, prompt_tuning_init=<PromptTuningInit.TEXT: 'TEXT'>, prompt_tuning_init_text='下面是一段人与机器人的对话。', tokenizer_name_or_path='/root/autodl-fs/models/langboat/bloom-389m-zh')
model = get_peft_model(model, config)
# 打印可训练的参数
model.print_trainable_parameters()
trainable params: 8,192 || all params: 345,777,152 || trainable%: 0.002369155958575308
- 配置训练器、模型训练及推理和2.1一样。
- 显存消耗情况：
(base) root@autodl-container-adbc11ae52-f2ebff02:~/autodl-fs/models/langboat/bloom-389m-zh# nvidia-smi
Mon May 27 17:51:07 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.89.02 Driver Version: 525.89.02 CUDA Version: 12.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... On | 00000000:B4:00.0 Off | N/A |
| 38% 64C P2 205W / 250W | 2834MiB / 11264MiB | 42% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
+-----------------------------------------------------------------------------+
以上参考代码：
703
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
