LLM 研究方向(一): LLM Prompts--p-tuning、LoRA

1. prompt-tuning background

2. Prompt Tuning 模型介绍

2.1 2021 prefix-tuning

2.2 2021 P-tuning v1

2.3 2021 Parameter-efficient prompt tuning (PET)

2.4 2022 P-tuning v2

2.5 2019 Adapter

2.6 2021 LoRA (Low-Rank Adaptation)

2.7 2024 DoRA (Weight-Decoupled Low-Rank Adaptation)

3. LoRA Implementation

3.1 LoRA 复现 01: MiniLoRA

3.1.1 core codes：torch.nn.utils.parametrize.register_parameterization 参数化应用函数

3.2 LoRA 复现 02: LoRA from Scratch on MNIST

3.2.1 core codes: Lightning 深度学习框架

3.3 LoRA 复现 03: Torch tutorial with torchtune

3.3.1 core codes: torchtune package 介绍

3.4 LoRA 复现 04: peft implementation

3.4.1 core codes: AutoModelForSeq2SeqLM 介绍

3.4.2 code codes: peft package 介绍

3.5 *LoRA 05: Explanation

Reference:

1. prompt-tuning background

problem: 之前的fune-tuning/model-tuning是对大模型进行下游任务re-training，即对whole模型参数进行微调！但由于LLM参数量太大，fine-tuning需要大量的数据、算力去更新学习参数，不够实用！

solution：prompt-tuning (p-tuning)，是一种通过提示词(prompt tokens)优化生成式预训练模型(e.g. GPT)的技术，旨在通过调整prompts而不是整个模型参数来提高模型在特定任务上的表现，达到节省计算开销和资源消耗、保持甚至提升model performance的目的。

按照时间顺序，prompt-tuning演进过程分别是：prefix-tuning、p-tuning v1、parameter-efficient prompt tuning、p-tuning v2。

2. Prompt Tuning 模型介绍

2.1 2021 prefix-tuning

prefix-tuning, paper: Optimizing Continuous Prompts for Generation, 就是在input tokens前面加上几个与任务相关task-specific的tokens，并用 $MLP_{\theta}$ 单独训练生成embeddings。

Note：tokens不拼接！原有的input tokens依旧用transformer生成embeddings，并且保持transformer参数不变。The prefix tokens' embeddings $\vee _i \in P_{idx}$ , hi are drawn from a trainable matrix MLP~ $P_\theta$ . Then remaining tokens' embeddings are computed by the Transformer.

优点：实现简单、高效训练、任务一致性。
缺点：适用性有限，prefix-tuning在一些特定任务中效果不如p-tuning，e.g. 上下文限制，由于prefix embeddings始终位于序列前端，可能无法充分利用输入序列的上下文信息。

2.2 2021 P-tuning v1

p-tuning v1, paper: GPT Understands, Too. 它通过在输入层提示模板固定位置插入可训练的提示词向量trainable prompt tokens embeddings，来提升模型性能。

problem: Previous prompts方法是离散discrete向量空间，主要是从词库V中选词vi作为提示词prompt来出入提示模板的第i个位置，并用prompt generator来生成提示词向量prompt embeddings。这种固定的提示词叫作hard prompt，只能用来微调整个模型的参数 pre-trained model parameters。

solution: p-tuning v1是连续continuous向量空间，主要是通过prompt encoder生成trainable parameterized prompt embeddings来代替词库词vi插入输入层，这种generated trainable prompts称为soft prompt。

初始化 initialize prompts: <T1> <T2> The movie was fantastic <T3> <T4>. -> 训练优化 -> 推理 inference，这时不BP。
优点：少量参数、提高性能、通用性强。
缺点：训练复杂；依赖提示词位置。

2.3 2021 Parameter-efficient prompt tuning (PET)

Parameter-efficient prompt tuning, paper: The power of scale for parameter-efficient prompt tuning, 可以在输入序列的任意位置插入trianable prompt embeddings。

2.4 2022 P-tuning v2

p-tuning v2, paper: Prompt tuning can be comparable to fine-tuning universally across scale and tasks, 多层提示prompt，在每一层加上prefix prompt embeddings。

problem: 在模型参数量小于10B的训练中，prompt training效果要低于fine-tuning。

solution：p-tuning v2在每一层都加上了layer prefix prompt embeddings，不同任务可以共享相同的网络参数，支持多任务学习。

优点：可以更好地捕捉和利用上下文信息，进一步提高模型性能、更好泛化、灵活性强。
缺点：实现复杂；计算开销增加。

2.5 2019 Adapter

paper: Parameter-Efficient transfer learning for NLP.

2.6 2021 LoRA (Low-Rank Adaptation)

paper: Low-Rank Adaptation of Large Language Models.

$W_{LoRA} = W_{orig} + \Delta W = W_{orig} + B*A$

LoRA保持pre-trained model参数冻结，只在原始矩阵中添加一个 $\Delta W$ 参数，其参数比原始矩阵少。

problem: 如果我们构造一个与Worig具有相同维度nxm的新 $\Delta W$ 矩阵来对模型进行微调，模型performance没有提升！还会将参数加倍！

solution：所以设计鬼才提出了低秩概念r，通过基于低秩r的低维矩阵乘法来构造 $\Delta W = B_{n\times r}A_{r\times m}$ , r << n和r << m，B和A相乘会产生一个与 $\Delta W$ 具有相同维度的矩阵，但由更少的参数构成。因为我们希望训练开始时增量为零，让微调像原始模型一样开始。因此，B通常被初始化为零矩阵，而A被初始化为随机值(即正态分布)。

For example，input dim=1024，那origin W参数量=1024*1024 $\approx$ 100万，而低秩参数量=1024*4+4*1024 $\approx$ 8k。

优点：

效率高，使用更少的参数。
提高泛化性能《-- 通过限制模型复杂性，防止过拟合。
可以无缝集成到现有的神经网络中。

2.7 2024 DoRA (Weight-Decoupled Low-Rank Adaptation)

核心：每个权重矩阵W通过多个低秩矩阵Ai和Bi的乘积进行近似，可以表示为： $W \approx \sum_{i=1}^k A_i B_i$ 。

3. LoRA Implementation

LoRA实现公式： $W_{LoRA} = W_{orig} + \frac{\alpha}{r} \Delta W$

my github link: GitHub - yuyongsheng1990/LLM_Prompts

3.1 LoRA 复现 01: MiniLoRA

简单、通俗、易懂、powerful

reference：minLoRA/demo.ipynb at main · cccntu/minLoRA · GitHub

3.1.1 core codes：torch.nn.utils.parametrize.register_parameterization 参数化应用函数

from functools import partial  # 用于固定某些函数的参数，从而创建一个新的函数。这个新函数会记住被固定的参数，并在调用时使用这些固定参数。
'''
simple example: torch.nn.utils.parametrize.register_parametrizationoutput: 原始参数(weight或bias)会被替换为一个通过指定参数模块生成的参数。Linear((weight): ParametrizationList((0): MyParametrization())(bias): Parameter containing: [torch.FloatTensor of size 5])
'''
# -----------------single lora parameters---------------
linear = nn.Linear(5, 5)
print(linear)
class LowRankParametrization(nn.Module):def __init__(self, original_weight, rank=4):super().__init__()self.rank = rankself.U = nn.Parameter(torch.randn(original_weight.size(0), rank))self.V = nn.Parameter(torch.randn(rank, original_weight.size(1)))def forward(self, x):return self.U @ self.V# 注册低秩参数化
'''torch.nn.utils.parametrize.register_parametrization函数用于在模型的参数上注册新的参数化方法。这个功能允许你在现有参数layer.weight上应用一些变换LoRAParametrization，特别适用于LoRA
'''
parametrize.register_parametrization(linear, 'weight', LowRankParametrization(linear.weight))
# ----------------multiple lora parameters-------------------
# 可以顺序应用多个参数化方法，继续加就行 <--对应DoRA
# 定义第二个参数化方法
class MultiplyByTwoParametrization(nn.Module):def __init__(self, original_weight, rank=4):super().__init__()self.rank = rankself.U = nn.Parameter(torch.randn(original_weight.size(0), rank))self.V = nn.Parameter(torch.randn(rank, original_weight.size(1)))def forward(self, x):return self.U @ self.V
parametrize.register_parametrization(linear, 'weight', MultiplyByTwoParametrization(linear.weight, rank=3))# 打印线性层，查看参数化后的结果
print(linear)
'''
output:Linear(in_features=5, out_features=5, bias=True)  # 原始linear层-------------------------------------------------ParametrizedLinear(                          # 替换后的参数化线性层para linearin_features=5, out_features=5, bias=True   # 这表示layer原始参数original weight(parametrizations): ModuleDict(            # parametrizations表示应用参数化方法，新模型参数会存储在ModuleDict中，ModuleDict是一个module容器，它像一个dict一样工作。(weight): ParametrizationList(           # 这表示weight原始参数现在被替换/应用了ParametrizationList中一个或多个参数化方法.(0): LowRankParametrization()          # (0)表示ParametrizationList的第一个参数化方法。# (1): MultiplyByTwoParametrization()    # 顺序应用：当ParametrizationList存储多个参数化方法时，所有方法会按顺序应用到weight参数上。)                                        ))
'''

3.2 LoRA 复现 02: LoRA from Scratch on MNIST

reference: lora_from_scratch/lora_on_mnist.ipynb at main · sunildkumar/lora_from_scratch · GitHub

3.2.1 core codes: Lightning 深度学习框架

import lightning as L  # lightning是一个高层次的深度学习框架，建立在pytorch之上，用于简化和加速模型的开发和训练过程。
from lightning.pytorch.loggers import CSVLogger  # 用于将训练日志记录到csv文件中，便于之后的分析和可视化。
from lightning.pytorch.callbacks import LearningRateFinder  # 通过在training过程中调整学习率lr来找到最优的学习率，以提升模型性能
from lightning.pytorch.callbacks.early_stopping import EarlyStopping  # 用于在validation loss不再改善时提前停止，防止模型过拟合。from pytorch_lightning import Callback # 用于实现自定义的回调函数，在training过程中的特定时间点执行特定的操作，比如记录日志、保存model、调整lr。

3.3 LoRA 复现 03: Torch tutorial with torchtune

reference: Finetuning Llama2 with LoRA — TorchTune documentation

3.3.1 core codes: torchtune package 介绍

from torchtune.models.llama2 import llama2_7b, lora_llama2_7b  # torchtune是一个torch库，用于轻松创作、微调和试验LLM。
'''torchtune, https://pytorch.org/torchtune/stable/index.html- Llama3 in torchtune- Finetuning with LoRA in torchtune- Understanding QLoRA in TorchTune- End-to-End Workflow with torchtune
'''

3.4 LoRA 复现 04: peft implementation

reference: LoRA-Implementation/prepare_data.py at main · hahuyhoang411/LoRA-Implementation · GitHub

3.4.1 core codes: AutoModelForSeq2SeqLM 介绍

'''from transformers import AutoModelForSeq2SeqLM, AutoTokenizer# 指定模型名称或路径model_name = "t5-small"# 加载预训练模型和分词器model = AutoModelForSeq2SeqLM.from_pretrained(model_name)tokenizer = AutoTokenizer.from_pretrained(model_name)# 输入文本input_text = "Translate English to French: How are you?"# 编码文本--成模型可接受的输入格式inputs = tokenizer(input_text, return_tensors="pt")# 生成输出outputs = model.generate(**inputs)# 解码输出文本output_text = tokenizer.decode(outputs[0], skip_special_tokens=True)print(f"Input: {input_text}")print(f"Output: {output_text}")
'''

3.4.2 code codes: peft package 介绍

'''
peft (Parameter-Efficient Fine-Tuning) package introduction:Fine-tuning large pretrained models is often prohibitively costly due to their scale. PEFT methods enable efficient adaptation of large pretrained models to various downstream applications by only fine-tuning a 
small number of (extra) model parameters instead of all the model's parameters. This significantly decreases the computational and storage costs. Recent state-of-the-art PEFT techniques achieve performance comparable to fully fine-tuned models.PEFT is integrated with Transformers for easy model training and inference, 
peft简化了LLM-finetuning 模型配置和加载功能，特别是使用LoRA等技术。- LoraConfig，用于配置LoRA参数。- TaskType，用于定义任务类型, e.g. task_type = TaskType.TEXT_GENERATION- get_peft_config，用于获取peft配置- get_peft_model，用于获取pretrained peft模型。
''''''
----------------peft翻译模型---------------------
# 翻译模型bigscience/mt0-large: English -> French
'''
# prepare a model for training with a PEFT method such as LoRA by wrapping the base model and PEFT configuration with get_peft_model.
# For the bigscience/mt0-large model, you are only training 0.19% of the parameters!
from transformers import AutoModelForSeq2SeqLM  # 用于加载和处理pre-trained seq2seq模型，用于处理nlp任务
from peft import get_peft_config, get_peft_model, LoraConfig, TaskType# 加载预训练模型和分词器 
model_name = 'bigscience/mt0-large'
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)# 定义lora配置
lora_config = LoraConfig(task_type = TaskType.SEQ_2_SEQ_LM, inference_mode=False, r=8, lora_alpha=32, lora_dropout=0.1
)# 获取peft model
peft_model = get_peft_model(model, peft_config)
print(peft_model.print_trainable_parameters())  # 输出peft mode可训练参数# 准备输入数据
input_text = "Translate English to French: How are you?"
inputs = tokenizer(input_text, return_tensors="pt")# 使用 PEFT 模型生成输出
outputs = peft_model.generate(**inputs)
output_text = tokenizer.decode(outputs[0], skip_special_tokens=True)  # 解码
print(outputs)
print(output_text)'''
------------peft因果推理模型----------------------
因果推理模型 ybelkada/opt-350m-lora; gpt2
'''
from peft import AutoPeftModelForCausalLM  # 用于加载和配置因果语言模型Causal LM，并进行高效微调参数
from transformers import AutoTokenizer
import torchdevice = 'cuda' if torch.cuda.is_available() else 'cpu'
model = AutoPeftModelForCausalLM.from_pretrained('ybelkada/opt-350m-lora').to(device) 
tokenizer = AutoTokenizer.from_pretrained('facebook/opt-350m')model.eval()
inputs = tokenizer('Preheat the oven to 350 degrees and place the cookie dough', return_tensors='pt')outputs = model.generate(input_ids=inputs['input_ids'].to(device), max_new_tokens=50)  # 生成输出
outputs_text = tokenizer.batch_decode(outputs, skip_special_tokens=True)[0]  # tokenizer解码输出文本
print(outputs)
print(outputs_text)

3.5 *LoRA 05: Explanation

***选看：太难、太复杂，不做实现喽

reference: 使用Pytorch从零开始构建LoRA_torch lora 使用 nn-CSDN博客

3.5 *LoRA 06: huanhuan chat

***选看：太难、太复杂，不做实现喽

reference: https://github.com/datawhalechina/self-llm/blob/master/GLM-4/05-GLM-4-9B-chat%20Lora%20%E5%BE%AE%E8%B0%83.ipynb

Reference:

[1] He J, Zhou C, Ma X, Berg-Kirkpatrick T, Neubig G. Towards a unified view of parameter-efficient transfer learning. arXiv preprint arXiv:2110.04366. 2021 Oct 8.

[2] https://mltalks.medium.com/%E8%AF%A6%E8%A7%A3%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%BE%AE%E8%B0%83%E6%96%B9%E6%B3%95prompt-tuning-%E5%86%85%E9%99%84%E5%AE%9E%E7%8E%B0%E4%BB%A3%E7%A0%81-7e4276927729