一、前言

对于 ChatGLM2-6B 模型基于 PEFT 的特定任务微调实验。

1.1 硬件需求

注：r 为LoRA 维数大小，p 为前缀词表大小，l 为微调层数，ex/s 为每秒训练的样本数。gradient_accumulation_steps 参数设置为 1。上述结果均来自于单个 Tesla V100 GPU，仅供参考。

1.2 微调方法

目前我们实现了针对以下高效微调方法的支持：

• LoRA：仅微调低秩适应器。
• P-Tuning V2：仅微调前缀编码器。
• Freeze ：仅微调后几层的全连接层。

1.3 软件依赖

• Python 3.8+, PyTorch 2.0.0
• Transformers, Datasets, Accelerate, TRL, PEFT（最低需要 0.3.0.dev0）
• protobuf, cpm_kernels, sentencepiece
• jieba, rouge_chinese, nltk（用于评估）</