常见PEFT方法原理

为什么要PEFT

目前LLM模型都非常大，且通常是在大规模通用数据集上训练的，如果想要迁移到特定领域来实现某些任务，就需要微调。在bert时代还能全量微调，在模型的输出末尾再加上一个输出层，然后用垂直领域的数据集重新训练。但是LLM时代的模型由于参数量过多，全量微调耗时昂贵。所以作为基座模型的LLM的权重参数不再更新，而是通过其他方法更新少量参数来适应特定任务。

有哪些方法

LLM的SFT方法通常如下：

1. Adapter Tuning：设计一个Adapter结构嵌入到Transformer的每一层中，冻结住原来Transformer的参数，只更新Adapter结构的参数。一般Adapter的结构就是先降维、再非线性激活函数、最后升维，$Adapter(x)=W_2⋅ReLU(W_1⋅x)$

2. Prefix Tuning：为输入语句添加前缀的“引导词”来引导模型适应新的任务，只不过这里的“引导词”是一组随机可训练的向量，插入到模型的每一层输入中。具体而言，加入每一层的输入是[天, 气, 真, 好], 那么插入Prefix向量之后变成 [P1, P2, P3, 天, 气, 真, 好], 将这组向量当做每一层的输入。

3. Prompt Tuning：和Prefix Tuning类似，用一组随机可训练的向量作为“引导词”, 但是Prompt引导词向量只作用在整个模型的第一次输入中，PrefixTuning是在模型的内部每一层中都作为输入

4. LoRA：将模型的更新量矩阵分解成两个低秩矩阵的乘积，能够大幅减少运算量，后文将仔细描述。

上述方法中比较热门通用的就是微软提出的LoRA（Low-Rank Adaptation）。实验证明，LoRA能够取得与全量微调差不多的效果，可谓是四两拨千斤。

LoRA的具体原理

微调的本质就是参数沿着梯度方向更新，即$W_1 = W_0 - \alpha \nabla W$ , 我们记更新矩阵为$\Delta W$ , 只要能够算出每次反向传播的$\Delta W$即可，那么对于一个大小为6B的LLM，$\Delta W$的参数量也为6B，这是难以接受的。

LoRA采用了近似方案，选择两个矩阵$A_{d\times r}, B_{r\times k} (r << {d, k})$ , 满足$\Delta W = A_{d\times r} * B_{r \times k}$ , 此时$A, B$的参数量之和为$(d + k) * r$ , 原来的$\Delta W$的参数量为$d*k$, 参数量大大减少。

但是我们知道，能够进行低秩分解的矩阵终究是少数，所以LoRA的缺点就是表达能力欠佳

具体应用

由于Lora训练出来的参数非常少，可能就只有不到10MB的大小，因此常常用于模型的个性化适配。

• 在图像生成diffusion model中，社区会分享出不同风格的lora参数，这样用户就能根据选择需要得到不同的图像生成风格。

• 在大模型的生产环境中，我们往往希望为用户提供个性化模型，那么就可以尝试为不同用户单独训练lora参数，实现不同用户问答的时候给大模型套上它独有的lora参数。

代码实现

from transformers import AutoModelForCausalLM

from peft import get_peft_config, get_peft_model, LoraConfig, TaskType



model_name_or_path = "facebook/opt-350m"



peft_config = LoraConfig(

    task_type=TaskType.CAUSAL_LM,

    r=8, # 低秩

    lora_alpha=32, # 放缩因子

    lora_dropout=0.1,

)



model = AutoModelForCausalLM.from_pretrained(model_name_or_path)

model = get_peft_model(model, peft_config)

model.print_trainable_parameters()

LoraConfig中的 $r$ 和 $lora\_alpha$ 在公式中为 $W_1 = W_0 + \frac{lora\_alpha}{r} \Delta W = W_0 + \frac{lora\_alpha}{r} AB$

lora_alpha 的选择：

• 如果想要更激进的适应，设置 α > r

• 如果想要更保守的适应，设置 α < r

• 如果不确定，可以设置 α = r 作为起点