前言

微調(diào)是指調(diào)整大型語言模型（LLM）的參數(shù)以適應(yīng)特定任務(wù)的過程。這是通過在與任務(wù)相關(guān)的數(shù)據(jù)集上訓(xùn)練模型來完成的。所需的微調(diào)量取決于任務(wù)的復(fù)雜性和數(shù)據(jù)集的大小。

在深度學(xué)習(xí)中，微調(diào)是一種重要的技術(shù)，用于改進(jìn)預(yù)訓(xùn)練模型的性能。除了微調(diào)ChatGPT之外，還有許多其他預(yù)訓(xùn)練模型可以進(jìn)行微調(diào)。

PEFT是什么

PEFT（Parameter-Efficient Fine-Tuning）是hugging face開源的一個參數(shù)高效微調(diào)大模型的工具，里面集成了4種微調(diào)大模型的方法，可以通過微調(diào)少量參數(shù)就達(dá)到接近微調(diào)全量參數(shù)的效果，使得在GPU資源不足的情況下也可以微調(diào)大模型。

微調(diào)方法

微調(diào)可以分為全微調(diào)和重用兩個方法：

??全微調(diào)（Full Fine-tuning）：全微調(diào)是指對整個預(yù)訓(xùn)練模型進(jìn)行微調(diào)，包括所有的模型參數(shù)。在這種方法中，預(yù)訓(xùn)練模型的所有層和參數(shù)都會被更新和優(yōu)化，以適應(yīng)目標(biāo)任務(wù)的需求。這種微調(diào)方法通常適用于任務(wù)和預(yù)訓(xùn)練模型之間存在較大差異的情況，或者任務(wù)需要模型具有高度靈活性和自適應(yīng)能力的情況。Full Fine-tuning需要較大的計算資源和時間，但可以獲得更好的性能。

??部分微調(diào)（Repurposing）：部分微調(diào)是指在微調(diào)過程中只更新模型的頂層或少數(shù)幾層，而保持預(yù)訓(xùn)練模型的底層參數(shù)不變。這種方法的目的是在保留預(yù)訓(xùn)練模型的通用知識的同時，通過微調(diào)頂層來適應(yīng)特定任務(wù)。Repurposing通常適用于目標(biāo)任務(wù)與預(yù)訓(xùn)練模型之間有一定相似性的情況，或者任務(wù)數(shù)據(jù)集較小的情況。由于只更新少數(shù)層，Repurposing相對于Full Fine-tuning需要較少的計算資源和時間，但在某些情況下性能可能會有所降低。

微調(diào)預(yù)訓(xùn)練模型的方法：

??微調(diào)所有層：將預(yù)訓(xùn)練模型的所有層都參與微調(diào)，以適應(yīng)新的任務(wù)。

??微調(diào)頂層：只微調(diào)預(yù)訓(xùn)練模型的頂層，以適應(yīng)新的任務(wù)。

??凍結(jié)底層：將預(yù)訓(xùn)練模型的底層固定不變，只對頂層進(jìn)行微調(diào)。

??逐層微調(diào)：從底層開始，逐層微調(diào)預(yù)訓(xùn)練模型，直到所有層都被微調(diào)。

??遷移學(xué)習(xí)：將預(yù)訓(xùn)練模型的知識遷移到新的任務(wù)中，以提高模型性能。這種方法通常使用微調(diào)頂層或凍結(jié)底層的方法。

Fine tuning

經(jīng)典的Fine tuning方法包括將預(yù)訓(xùn)練模型與少量特定任務(wù)數(shù)據(jù)一起繼續(xù)訓(xùn)練。在這個過程中，預(yù)訓(xùn)練模型的權(quán)重被更新，以更好地適應(yīng)任務(wù)。所需的Fine-tuning量取決于預(yù)訓(xùn)練語料庫和任務(wù)特定語料庫之間的相似性。如果兩者相似，可能只需要少量的Fine tuning。如果兩者不相似，則可能需要更多的Fine tuning。

Prompt Tuning（P-tuning）

Prompt Tuning 是2021年谷歌在論文《The Power of Scale for Parameter-Efficient Prompt Tuning》中提出的微調(diào)方法。參數(shù)高效性微調(diào)方法中實現(xiàn)最簡單的方法還是Prompt tuning(也就是我們常說的P-Tuning)，固定模型前饋層參數(shù)，僅僅更新部分embedding參數(shù)即可實現(xiàn)低成本微調(diào)大模型。

經(jīng)典的Prompt tuning方式不涉及對底層模型的任何參數(shù)更新。相反，它側(cè)重于精心制作可以指導(dǎo)預(yù)訓(xùn)練模型生成所需輸出的輸入提示或模板。主要結(jié)構(gòu)是利用了一個prompt encoder（BiLSTM+MLP），將一些pseudo prompt先encode（離散token）再與input embedding進(jìn)行拼接，同時利用LSTM進(jìn)行 Reparamerization 加速訓(xùn)練，并引入少量自然語言提示的錨字符（Anchor，例如Britain）進(jìn)一步提升效果。然后結(jié)合（capital，Britain）生成得到結(jié)果，再優(yōu)化生成的encoder部分。

但是P-tuning v1有兩個顯著缺點：任務(wù)不通用和規(guī)模不通用。在一些復(fù)雜的自然語言理解NLU任務(wù)上效果很差，同時預(yù)訓(xùn)練模型的參數(shù)量不能過小。具體的效果論文中提到以下幾點：

? Prompt 長度影響：模型參數(shù)達(dá)到一定量級時，Prompt 長度為1也能達(dá)到不錯的效果，Prompt 長度為20就能達(dá)到極好效果。

? Prompt初始化方式影響：Random Uniform 方式明顯弱于其他兩種，但是當(dāng)模型參數(shù)達(dá)到一定量級，這種差異也不復(fù)存在。

??預(yù)訓(xùn)練的方式：LM Adaptation 的方式效果好，但是當(dāng)模型達(dá)到一定規(guī)模，差異又幾乎沒有了。

??微調(diào)步數(shù)影響：模型參數(shù)較小時，步數(shù)越多，效果越好。同樣隨著模型參數(shù)達(dá)到一定規(guī)模，zero shot 也能取得不錯效果。當(dāng)參數(shù)達(dá)到100億規(guī)模與全參數(shù)微調(diào)方式效果無異。

代碼示例：

from?peft?import?PromptTuningConfig,?get_peft_model
peft_config?=?PromptTuningConfig(task_type="SEQ_CLS",?num_virtual_tokens=10)
model?=?AutoModelForCausalLM.from_pretrained(model_name_or_path,?return_dict=True)
model?=?get_peft_model(model,?peft_config)

Prefix Tuning

2021年論文《Prefix-Tuning: Optimizing Continuous Prompts for Generation》中提出了 Prefix Tuning 方法。與Full-finetuning 更新所有參數(shù)的方式不同，該方法是在輸入 token 之前構(gòu)造一段任務(wù)相關(guān)的 virtual tokens 作為 Prefix，然后訓(xùn)練的時候只更新 Prefix 部分的參數(shù)，而 Transformer 中的其他部分參數(shù)固定。

prefix-tuning技術(shù)，相對于fine-tuning，在調(diào)節(jié)模型的過程中只優(yōu)化一小段可學(xué)習(xí)的continuous task-specific vector（prefix）而不是整個模型的參數(shù)。該方法其實和構(gòu)造 Prompt 類似，只是 Prompt 是人為構(gòu)造的“顯式”的提示，并且無法更新參數(shù)，而Prefix 則是可以學(xué)習(xí)的“隱式”的提示。手動嘗試最優(yōu)的提示無異于大海撈針，于是便有了自動離散提示搜索的方法，但提示是離散的，神經(jīng)網(wǎng)絡(luò)是連續(xù)的，所以尋找的最優(yōu)提示可能是次優(yōu)的。

代碼示例：

peft_config?=?PrefixTuningConfig(task_type="CAUSAL_LM",?num_virtual_tokens=20)
model?=?AutoModelForCausalLM.from_pretrained(model_name_or_path,?return_dict=True)
model?=?get_peft_model(model,?peft_config)

GPT在P-tuning的加持下可達(dá)到甚至超過BERT在NLU領(lǐng)域的性能。下圖是細(xì)致的對比：

P-tuning v2

V2版本主要是基于P-tuning和prefix-tuning技術(shù)，引入Deep Prompt Encoding和Multi-task Learning等策略進(jìn)行優(yōu)化的。實驗表明，僅精調(diào)0.1%參數(shù)量，在330M到10B不同參數(shù)規(guī)模LM模型上，均取得和Fine-tuning相比肩的性能。

論文《P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally Across Scales and Tasks》從標(biāo)題就可以看出，P-Tuning v2 的目標(biāo)就是要讓 Prompt Tuning 能夠在不同參數(shù)規(guī)模的預(yù)訓(xùn)練模型、針對不同下游任務(wù)的結(jié)果上都達(dá)到匹敵 Fine-tuning 的結(jié)果。也就是說當(dāng)前 Prompt Tuning 方法在這兩個方面都存在局限性。

不同模型規(guī)模：Prompt Tuning 和 P-tuning 這兩種方法都是在預(yù)訓(xùn)練模型參數(shù)規(guī)模夠足夠大時，才能達(dá)到和Fine-tuning 類似的效果，而參數(shù)規(guī)模較小時效果則很差。
不同任務(wù)類型：Prompt Tuning 和 P-tuning 這兩種方法在 sequence tagging 任務(wù)上表現(xiàn)都很差。

v1到v2的可視化：藍(lán)色部分為參數(shù)凍結(jié)，橙色部分為可訓(xùn)練部分，可以看到右側(cè)的p-tuning v2中，將continuous prompt加在序列前端，并且每一層都加入可訓(xùn)練的prompts。在左圖v1模型中，只將prompt插入input embedding中，會導(dǎo)致可訓(xùn)練的參數(shù)被句子的長度所限制。此外P-Tuning v2還包括以下改進(jìn)：

??移除了Reparamerization加速訓(xùn)練方式；

??采用了多任務(wù)學(xué)習(xí)優(yōu)化：基于多任務(wù)數(shù)據(jù)集的Prompt進(jìn)行預(yù)訓(xùn)練，然后再適配的下游任務(wù)。

??舍棄了詞匯Mapping的Verbalizer的使用，重新利用[CLS]和字符標(biāo)簽，跟傳統(tǒng)finetune一樣利用cls或者token的輸出做NLU，以增強(qiáng)通用性，可以適配到序列標(biāo)注任務(wù)。

P-Tuning v2幾個關(guān)鍵設(shè)計因素：

? Reparameterization：Prefix Tuning 和 P-tuning 中都有 MLP 來構(gòu)造可訓(xùn)練的 embedding。論文發(fā)現(xiàn)在自然語言理解領(lǐng)域，面對不同的任務(wù)以及不同的數(shù)據(jù)集，這種方法可能帶來完全相反的結(jié)論。

? Prompt Length：不同的任務(wù)對應(yīng)的最合適的 Prompt Length 不一樣，比如簡單分類任務(wù)下 length=20 最好，而復(fù)雜的任務(wù)需要更長的 Prompt Length。

? Multi-task Learning 多任務(wù)對于 P-Tuning v2 是可選的，但可以利用它提供更好的初始化來進(jìn)一步提高性能。

? Classification Head 使用 LM head 來預(yù)測動詞是 Prompt Tuning 的核心，但我們發(fā)現(xiàn)在完整的數(shù)據(jù)設(shè)置中沒有必要這樣做，并且這樣做與序列標(biāo)記不兼容。P-tuning v2 采用和 BERT 一樣的方式，在第一個 token 處應(yīng)用隨機(jī)初始化的分類頭。

代碼示例：

peft_config?=?PrefixTuningConfig(task_type="SEQ_CLS",?num_virtual_tokens=20)
model?=?AutoModelForSequenceClassification.from_pretrained(model_name_or_path,?return_dict=True)
model?=?get_peft_model(model,?peft_config)

AdaLoRA

預(yù)訓(xùn)練語言模型中的不同權(quán)重參數(shù)對下游任務(wù)的貢獻(xiàn)是不同的。因此需要更加智能地分配參數(shù)預(yù)算，以便在微調(diào)過程中更加高效地更新那些對模型性能貢獻(xiàn)較大的參數(shù)。

具體來說，通過奇異值分解將權(quán)重矩陣分解為增量矩陣，并根據(jù)新的重要性度量動態(tài)地調(diào)整每個增量矩陣中奇異值的大小。這樣可以使得在微調(diào)過程中只更新那些對模型性能貢獻(xiàn)較大或必要的參數(shù)，從而提高了模型性能和參數(shù)效率。

代碼示例：

peft_config?=?AdaLoraConfig(peft_type="ADALORA",?task_type="SEQ_2_SEQ_LM",?r=8,?lora_alpha=32,?target_modules=["q",?"v"],lora_dropout=0.01)
model?=?AutoModelForCausalLM.from_pretrained(model_name_or_path,?return_dict=True)
model?=?get_peft_model(model,?peft_config)

GPT4模型微調(diào)分類

1. Adapter-based Methods（基于適配器的方法）:

《Parameter-Efficient Transfer Learning for NLP》提出針對 BERT 的 PEFT微調(diào)方式，拉開了 PEFT 研究的序幕。他們指出，在面對特定的下游任務(wù)時，如果進(jìn)行 Full-Fintuning（即預(yù)訓(xùn)練模型中的所有參數(shù)都進(jìn)行微調(diào)），太過低效；而如果采用固定預(yù)訓(xùn)練模型的某些層，只微調(diào)接近下游任務(wù)的那幾層參數(shù)，又難以達(dá)到較好的效果。

于是他們設(shè)計了如下圖所示的 Adapter 結(jié)構(gòu)，將其嵌入 Transformer 的結(jié)構(gòu)里面，在訓(xùn)練時，固定住原來預(yù)訓(xùn)練模型的參數(shù)不變，只對新增的 Adapter 結(jié)構(gòu)進(jìn)行微調(diào)。同時為了保證訓(xùn)練的高效性（也就是盡可能少的引入更多參數(shù)），他們將 Adapter 設(shè)計為這樣的結(jié)構(gòu)：

首先是一個 down-project 層將高維度特征映射到低維特征；然后過一個非線形層之后，再用一個 up-project 結(jié)構(gòu)將低維特征映射回原來的高維特征；同時也設(shè)計了 skip-connection 結(jié)構(gòu)，確保了在最差的情況下能夠退化為identity（類似殘差結(jié)構(gòu)）。

這種方法節(jié)省了資源，因為它不需要對整個模型進(jìn)行微調(diào)。示例有AdapterDrop、Parallel Adapter、Residual Adapter等。

2. Prompt-based Methods（基于提示的方法）:

這個分支側(cè)重于使用連續(xù)的提示（如嵌入向量）來調(diào)整模型的行為，而不是直接修改模型的權(quán)重。這類方法通常用于生成任務(wù)，例如文本生成。提示可以視為模型輸入的一部分，它們會被訓(xùn)練以激發(fā)模型生成特定的輸出。示例包括Prefix-tuning、Prompt tuning等，參加上文介紹。

3. Low-rank Adaptation（低秩適配）:

低秩適配方法致力于將模型權(quán)重的改變限制在一個低秩子空間內(nèi)。這通常涉及對模型的權(quán)重矩陣進(jìn)行分解，只微調(diào)其中的一小部分參數(shù)。這樣可以有效減少計算資源的消耗，同時仍然允許模型有足夠的靈活性來學(xué)習(xí)新任務(wù)。LoRA和它的變種，如Q-LoRA、Delta-LoRA、LoRA-FA等，都屬于這個類別。

4. Sparse Methods（稀疏方法）:

這個分支包括那些僅更新模型中一小部分參數(shù)的方法。這些參數(shù)被選為最有可能影響到任務(wù)性能的，而其他參數(shù)則保持不變。稀疏方法的優(yōu)點在于它們通常能夠更高效地利用資源。例如有Intrinsic SAID、Fish Mask、BitFit等。

5. Others（其他方法）:

這一分支可能包括不易歸類到上述任何一類的其他方法，或者是結(jié)合了多種技術(shù)的混合方法。這些方法可能包括特定的結(jié)構(gòu)改變、算法優(yōu)化等，用以提高微調(diào)過程的效率或者效果。

大模型微調(diào)步驟總結(jié)

大模型微調(diào)如上文所述有很多方法，并且對于每種方法都會有不同的微調(diào)流程、方式、準(zhǔn)備工作和周期。然而大部分的大模型微調(diào)，都有以下幾個主要步驟，并需要做相關(guān)的準(zhǔn)備：

準(zhǔn)備數(shù)據(jù)集：

收集和準(zhǔn)備與目標(biāo)任務(wù)相關(guān)的訓(xùn)練數(shù)據(jù)集。確保數(shù)據(jù)集質(zhì)量和標(biāo)注準(zhǔn)確性，并進(jìn)行必要的數(shù)據(jù)清洗和預(yù)處理。

選擇預(yù)訓(xùn)練模型/基礎(chǔ)模型：

根據(jù)目標(biāo)任務(wù)的性質(zhì)和數(shù)據(jù)集的特點，選擇適合的預(yù)訓(xùn)練模型。

設(shè)定微調(diào)策略：

根據(jù)任務(wù)需求和可用資源，選擇適當(dāng)?shù)奈⒄{(diào)策略?？紤]是進(jìn)行全微調(diào)還是部分微調(diào)，以及微調(diào)的層級和范圍。

設(shè)置超參數(shù)：

確定微調(diào)過程中的超參數(shù)，如學(xué)習(xí)率、批量大小、訓(xùn)練輪數(shù)等。這些超參數(shù)的選擇對微調(diào)的性能和收斂速度有重要影響。

初始化模型參數(shù)：

根據(jù)預(yù)訓(xùn)練模型的權(quán)重，初始化微調(diào)模型的參數(shù)。對于全微調(diào)，所有模型參數(shù)都會被隨機(jī)初始化；對于部分微調(diào)，只有頂層或少數(shù)層的參數(shù)會被隨機(jī)初始化。

進(jìn)行微調(diào)訓(xùn)練：

使用準(zhǔn)備好的數(shù)據(jù)集和微調(diào)策略，對模型進(jìn)行訓(xùn)練。在訓(xùn)練過程中，根據(jù)設(shè)定的超參數(shù)和優(yōu)化算法，逐漸調(diào)整模型參數(shù)以最小化損失函數(shù)。

模型評估和調(diào)優(yōu)：

在訓(xùn)練過程中，使用驗證集對模型進(jìn)行定期評估，并根據(jù)評估結(jié)果調(diào)整超參數(shù)或微調(diào)策略。這有助于提高模型的性能和泛化能力。

測試模型性能：

在微調(diào)完成后，使用測試集對最終的微調(diào)模型進(jìn)行評估，以獲得最終的性能指標(biāo)。這有助于評估模型在實際應(yīng)用中的表現(xiàn)。

模型部署和應(yīng)用：

將微調(diào)完成的模型部署到實際應(yīng)用中，并進(jìn)行進(jìn)一步的優(yōu)化和調(diào)整，以滿足實際需求。

審核編輯：黃飛

?