大模型微调 - 用PEFT来配置和应用 LoRA 微调

flyfish

西笑生

1226人浏览 · 2024-09-12 19:48:15

西笑生 · 2024-09-12 19:48:15 发布

大模型微调 - 用PEFT来配置和应用 LoRA 微调

flyfish

PEFT（Parameter-Efficient Fine-Tuning）是一种参数高效微调库，旨在减少微调大型预训练模型时需要更新的参数量，而不影响最终模型的性能。它支持几种不同的微调方法，如 LoRA（Low-Rank Adaptation）、Prefix Tuning、Adapter 等。这里PEFT 被用来配置和应用 LoRA 微调。LoRA 是一种降低预训练模型微调时参数更新数量的方法，通过在 Transformer 层的某些投影矩阵上引入低秩分解，减少参数量，并且只需微调这些低秩矩阵。

from peft import LoraConfig, TaskType, get_peft_model

# 定义 LoRA 的配置参数
config = LoraConfig(
    task_type=TaskType.CAUSAL_LM,  # 指定任务类型为自回归语言建模任务（Causal Language Modeling），如 GPT 系列的模型
    target_modules=["q_proj", "k_proj", "v_proj", "o_proj", 
                    "gate_proj", "up_proj", "down_proj"],  # 这些是模型中要应用 LoRA 的目标模块
    inference_mode=False,  # 表示训练模式，设置为 True 时是推理模式；为 False 是训练模式
    r=8,  # LoRA 的秩 r，代表分解时矩阵的秩，越大越能保留原有的模型信息，但计算复杂度也会增加
    lora_alpha=32,  # LoRA 的 alpha 超参数，控制了低秩矩阵的缩放因子。一般设置为与 r 成比例的值
    lora_dropout=0.1,  # 在 LoRA 模块中应用 Dropout，防止过拟合，防止微调时模型过拟合到训练数据
)

# 应用 PEFT（LoRA）到预训练的模型上
model = get_peft_model(model, config)  # 使用 get_peft_model 函数，将定义好的 LoRA 配置应用到预训练模型中

解释

task_type=TaskType.CAUSAL_LM : 指定任务类型为自回归语言模型，常见于 GPT 系列的生成任务。PEFT 支持不同的任务类型，如问答（Question Answering）、序列到序列任务（Seq2Seq LM）等。

target_modules : 这是模型中应用 LoRA 的模块列表。对于 Transformer 模型，这些模块通常是负责自注意力计算的部分，如 q_proj（query projection）、k_proj（key projection）、v_proj（value projection）、o_proj（输出投影）等。

inference_mode=False : 该参数指定模型是否处于推理模式。如果设为 True，表示模型在推理时使用冻结的 LoRA 权重；如果为 False，表示模型处于训练模式，可以继续微调 LoRA 层。

r=8 : LoRA 中的秩 r，用于控制低秩矩阵的大小，值越大，表示模型的表达能力越强，但参数量也相应增加。

lora_alpha=32 : LoRA 中的缩放因子，控制了低秩矩阵的影响力。它常用于放大或缩小 LoRA 矩阵的输出，以确保它们在与原始模型输出进行组合时适当的权重。

lora_dropout=0.1 : 在 LoRA 层应用 Dropout，减少过拟合风险。通过设置 Dropout 概率，使得在训练时随机屏蔽部分神经元，有助于增强模型的泛化能力。

target_modules=["q_proj", "k_proj", "v_proj", "o_proj", 
                    "gate_proj", "up_proj", "down_proj"]

在 Transformer 模型中，这些 q_proj、k_proj、v_proj、o_proj 等名称表示的是不同的投影矩阵，它们主要与模型的 自注意力机制（Self-Attention Mechanism） 相关。它们用于将输入向量变换为适合进行自注意力计算的表示。

q_proj（Query Projection）
作用 : 将输入的 token 表示投影到 查询向量（Query Vector） 。在自注意力机制中，模型使用这个向量来与其他 token 的键向量（Key）进行相似性计算，从而决定每个 token 应该关注哪些其他 token。
解释 : 查询向量通常用于表示当前 token 的"问题"，模型会通过查询向量去"询问"其他 token。
k_proj（Key Projection）
作用 : 将输入的 token 表示投影到 键向量（Key Vector） 。键向量用于与查询向量进行相似性计算，衡量两个 token 之间的相关性。
解释 : 键向量可以被视为表示每个 token 特性的"标签"，通过与查询向量的相似性计算，模型判断哪些 token 对当前查询最重要。
v_proj（Value Projection）
作用 : 将输入的 token 表示投影到 值向量（Value Vector） 。值向量是自注意力机制的输出内容，它们会根据键与查询的相似度进行加权平均，作为最终的注意力输出。
解释 : 值向量可以看作是包含 token 具体信息的向量，模型在计算注意力时，最终会根据键-查询的匹配度来加权这些值向量。
o_proj（Output Projection）
作用 : 将注意力机制的输出（即加权后的值向量）进一步变换成模型需要的输出形式。自注意力机制的最终结果通过 o_proj 投影，返回给模型的下一层或其他模块。
解释 : 输出投影负责整合注意力层的输出，并确保其形状和表示适应接下来模型中的其他操作。
gate_proj（Gate Projection）
作用 : 这个投影矩阵通常出现在模型中带有 门控机制（gating mechanism） 的模块中，类似于 LSTM 或 GRU 中的门控单元。它用于调节信息的流入或流出，决定哪些信息需要保留或丢弃。
解释 : 在一些模型中，特别是经过改进的 Transformer 结构里，可能加入了门控机制，用于更灵活地控制信息的流动。gate_proj 负责这个过程。
up_proj 和 down_proj
作用 : 这些通常是在模型中进行 上采样（up-sampling） 和 下采样（down-sampling） 的操作，用来调整表示的维度。这些投影矩阵负责在不同的层或模块之间转换表示的维度，类似于提升或降低特征维度的操作。
up_proj : 增大向量的维度（上采样）。
down_proj : 减少向量的维度（下采样）。

补充

在理解 LoRA（Low-Rank Adaptation）时，涉及到的一些关键概念，如矩阵的秩、投影矩阵、低秩分解和低秩矩阵，都是线性代数中的核心概念。

矩阵的秩（Rank of a Matrix）
定义 : 矩阵的秩表示矩阵中独立行或独立列的最大数量，简单来说，它是矩阵的行或列向量的线性独立的数目。秩表示一个矩阵可以表示的维度或自由度。
解释 : 矩阵的秩越大，意味着它包含的信息越多。如果一个矩阵的秩等于其行数或列数，它是“满秩”的，意味着这个矩阵不能通过更小的维度来表示。反之，秩较低的矩阵可以通过更小的维度来表示，称为低秩矩阵 。
例如，一个 3×3 的矩阵如果秩为 3，它是满秩矩阵；如果秩为 2 或更小，它是低秩矩阵，意味着该矩阵存在冗余信息，可以被压缩。
投影矩阵（Projection Matrix）
定义 : 投影矩阵是将一个向量投影到某个子空间的矩阵。它可以用来把高维度的数据投影到一个较低维度的子空间上。
解释 : 例如在机器学习和自然语言处理中，投影矩阵常用于将输入的向量表示从一个空间（如词向量的维度）转换到另一个空间。投影矩阵可以应用于自注意力机制中的 query（查询）、key（键）和 value（值）等向量，将它们映射到一个新的向量空间。
在 Transformer 模型中，q_proj, k_proj, v_proj 这些都是投影矩阵，负责将输入序列的 token 表示转换到适合自注意力计算的空间中。
低秩分解（Low-Rank Decomposition）
定义 : 低秩分解是一种将一个高维矩阵分解为几个低维矩阵的技术，通常使用一些线性代数方法（如奇异值分解 SVD）。通过这种分解，可以将一个复杂的矩阵表示成若干个较小的矩阵的乘积，从而降低计算复杂度。
解释 : 低秩分解通过降低矩阵的维度，减少存储和计算需求。在机器学习中，低秩分解常用于减少模型的参数量，提高效率。例如，在 LoRA 中，低秩分解用于将原始的高维投影矩阵分解为两个低秩矩阵（分别是 A 和 B），这些矩阵的秩比原始矩阵小，因此可以大大减少参数的数量。
数学上，假设我们有一个大矩阵 W，可以通过两个小矩阵 A 和 B 的乘积来近似表示：
$\approx A \times B$
这里 A 和 B 的秩 r 要比 W 的秩小，因此称为低秩分解。
低秩矩阵（Low-Rank Matrix）
定义 : 低秩矩阵是指秩小于其行数和列数的矩阵，也就是说，它可以通过更小的维度来表示，不是“满秩”的。低秩矩阵可以看作是含有冗余信息的矩阵。
解释 : 在机器学习中，低秩矩阵被用于减少模型的复杂度，因为它们可以用更少的参数来表示一个矩阵。因此，低秩矩阵在需要减少计算成本或内存需求的场景下非常有用。
例如，在 LoRA 中，原始模型中的权重矩阵（如 W）通常是高秩矩阵，但我们可以通过低秩矩阵 A 和 B 来近似表示这个权重矩阵，从而在保持模型性能的同时减少需要训练的参数量。