# PaddleNLP PEFT API PaddleNLP PEFT API提供单卡/分布式LoRA和Prefix-Tuning，用户定义好模型，数据集, 以及相应的配置，就可以快速使用PEFT适配模型进行低参数模型微调。 # 预备知识 ## LoRA
大模型网络中有很多的线性层，里面需要进行密集的矩阵乘法计算，而这些通常具有全秩(full rank)，较难优化计算。LoRA论文的研究中表明, 将输入表达随机投影到较小的子空间不仅任然可以有效地学习还可以节约大量的计算显存需求。具体做法：对于预训练的权重矩阵, 通过引入两个低 rank 矩阵 $AB$(图中橙色的两个矩阵) 来近似权重的更新过程 $W_0+\Delta W=W_0+B A$ , 其中 $B \in \mathbb{R}^{d \times r}, A \in \mathbb{R}^{r \times k}$, $r$ 远小于原权重矩阵的 rank 。训练期间, $W_0$ 参数冻结, 只对 $\mathrm{A}$ 和 $\mathrm{B}$ 两个矩阵进行梯度更新，前向传播公式如下: $$ h=W_{0}x+BAx $$ 由于训练参数的减少，训练过程会减少很多中间变量的存储，由此节约大量的训练显存消耗。 更多算法细节参考LoRA[论文](https://arxiv.org/abs/2106.09685) ## Prefix-tuning
Prefix-tuning是一个针对NLG类型下游任务的轻量级微调方案，受提示学习（Prompt learning）的影响，加入的一部分 prefix embedding 作为连续型提示进行训练。prefix embedding是由专门的 prefix encoder 网络生成的数个张量，会以 past_key_value的方式被插入到语言模型每一层的 hidden_state之前。和 LoRA 类似，它也会冻结整个预训练模型的所有参数权重，只对prefix embedding进行梯度更新，因此训练参数量只有常规 SFT 的 0.1%。Prefix-tuning可以在全样本下获得与 SFT 比肩的训练效果，在小样本环境下甚至可以超越 SFT。更多算法细节参考 Prefix-tuning[论文](https://arxiv.org/abs/2101.00190) # 快速开始 ## LoRA 1. 要对 model 进行 LoRA 微调，首先需要定义LoRAConfig， 再通过 LoRAConfig 对 LoRAModel 进行构建，再通过 mark_only_lora_as_trainable函数冻结主干参数： ```python from paddlenlp.peft import LoRAConfig, LoRAModel from paddlenlp.transformers import AutoModelForCausalLM model = AutoModelForCausalLM.from_pretrained('facebook/llama-7b') target_modules = [".*q_proj.*", ".*v_proj.*", ".*k_proj.*"] lora_rank = 8 lora_config = LoRAConfig( target_modules=target_modules, r=lora_rank, lora_alpha=2 * lora_rank, merge_weights=True ) model = LoRAModel(model, lora_config) model.mark_only_lora_as_trainable() model.print_trainable_parameters() ``` 2. 模型的保存和载入 LoRAModel的保存和载入和普通的 model 没有太大区别，都是通过 save_pretrained/from_pretrained调用 ```python # 保存 model.save_pretrained('lora_path') ``` Paddle会将 LoRAModel 的矩阵 AB 权重保存为lora_mode_state.pdparams文件，LoRAConfig 配置保存为 lora_config.json 文件在 lora_path 目录下。 之后当需要载入模型权重进行推理时，则直接进行 from_pretrained即可。 ```python from paddlenlp.transformers import AutoModelForCausalLM + from paddlenlp.peft import LoRAModel, LoRAConfig # 载入 + config = LoRAConfig.from_pretrained('lora_path') model = AutoModelForCausalLM.from_pretrained('facebook/llama-7b') + model = LoRAModel.from_pretrained(model, 'lora_path') model.eval() ``` ## class LoRAConfig ```python Parameters: --r 默认为 8，LoRA A/B 矩阵秩。 --target_modules 指定哪些 module 需要适配 LoRA 算法，格式为module 的名字 或正则表达式的 List，比如, ['q', 'v'] 或者 '.*decoder.*(SelfAttention|EncDecAttention).*(q|v)$' --trainable_modules 指定除LoRA参数外的需要进行梯度更新参数的 modules，格式为module 的名字 或正则表达式的 List，比如, ['q', 'v'] 或者 '.*decoder.*(SelfAttention|EncDecAttention).*(q|v)$' --lora_alpha 默认为 8，LoRA算法的 alpha 值，int 类型 --lora_dropout 默认为 0.0，dropout的比例设置，float 类型 --merge_weights 默认为 False，模型推理时，是否进行base model 权重和 LoRA 权重的合参操作，bool 类型 --trainable_bias 指定可训练的 bias, 可选项 ['lora', 'all'] --enable_lora_list 指定是否需要使用`MergedLoRALinear`，如果不指定则默认使用 `LoRALinear` --tensor_parallel_degree 默认为-1，多 GPU 并行的控制参数，传入tensor_parallel_degree 必须与 base model保持一致 --dtype LoRA矩阵参数类型设置 --head_dim 多头注意力的头数，只有`LoRAMergedLinear`和 `ColumnParallelLoRAMergedLinear`使用 ``` ## class LoRAModel ```python Parameters: --model 指定 base model，必须是 nn.Layer 类型的对象 --lora_config 指定 LoRAConfig 用于配置 LoRAModel key function: -mark_only_lora_as_trainable() 其作用是将模型中与LoRA相关的的一些层标记为可训练，而其他层则标记为不可训练。 -save_pretrained(save_directory, merge_tensor_parallel) --save_directory 保存目录的路径 --merge_tensor_parallel 是否合并多卡参数,默认为True 如果merge_tensor_parallel为真且模型的配置中的张量并行度大于1，则获取可训练的state_dict，并使用_merge_trainable_tensor_parallel方法合并张量并行训练的state_dict。如果merge_tensor_parallel为真且模型的张量并行度大于1，只有主进程会进行保存操作。 -from_pretrained(model, lora_path) --model 要加载LORA权重参数的model对象 --lora_path 保存LORA权重参数和 config 的路径 该函数用于从预先训练的模型中加载LORA权重参数，并将其设置到给定的模型中，以便在后续的任务中使用该模型进行预测或训练。 -print_trainable_parameters() 该函数会遍历整个权重参数列表，对于每个权重参数weight，统计所有进行梯度更新的参数，最后将信息打印出来。 ``` ## Prefix-tuning 1. 设置Prefix-tuning参数 ```python from paddlenlp.transformers import AutoModelForCausalLM model = AutoModelForCausalLM.from_pretrained('facebook/llama-7b') prefix_config = PrefixConfig( num_prefix_tokens=64, num_attention_heads=model.config.n_head, num_hidden_layers=model.config.n_layer, hidden_size=model.config.hidden_size, prefix_projection=False, prefix_projection_hidden_size=model.config.hidden_size ) model = PrefixModelForCausalLM(model=model, prefix_config=prefix_config) model.mark_only_prefix_as_trainable() model.print_trainable_parameters() ``` 2. 模型的保存和载入 和 LoRAModel 一致，通过 save_pretrained/from_pretrained调用 ```python # 保存 model.save_pretrained('prefix_path') ``` Paddle会将 PrefixModel 中用到的 prefix_encoder(里面包含 Embedding layer 和 Linear layers)网络模型权重，PrefixConfig 配置保存为 prefix_config.json 文件在 prefix_path 路径下。 之后当需要载入模型权重进行推理时，则直接进行 from_pretrained即可。 ```python from paddlenlp.transformers import AutoModelForCausalLM + from paddlenlp.peft import PrefixModel, PrefixConfig # 载入 + config = PrefixConfig.from_pretrained('prefix_path') model = AutoModelForCausalLM.from_pretrained('facebook/llama-7b') + model = PrefixModelForCausalLM.from_pretrained(model, 'prefix_path') model.eval() ``` ## class PrefixConfig ```python Parameters: --prefix_dropout 默认为 0.0，prefix projection dropout比例设置，float 类型 --num_prefix_tokens prefix tokens个数设定，int 类型 --num_attention_heads 注意力头数设置，int 类型 --multi_query_group_num multi query group 个数设置，int 类型 --num_hidden_layers base model 的 layer层数设置，int 类型 --hidden_size base model 的 hidden size 设置，int 类型 --prefix_projection 默认为 False，是否对 prefix tokens 进行 projection 操作，bool 类型 --prefix_projection_hidden_size 如果 prefix_projection 设置为 True，则在这里设置 projection 操作的 hidden size，int 类型 --tensor_parallel_degree 默认为-1，多 GPU 并行的控制参数 --dtype prefix embeddings 参数类型设置 ``` ## class PrefixModelForCausalLM ```python Parameters: --model 指定 base model，必须是 nn.Layer 类型的对象 --prefix_config 指定 PrefixConfig 用于配置 PrefixModelForCausalLM --postprocess_past_key_value 指定对 past_key_value 进行后处理的函数 --pad_attention_mask 指定处理新增的 prefix embedding 的 pad_attention_mask函数 key function -mark_only_prefix_as_trainable() 其作用是只把模型中的 Prefix embedding 和 Prefix projection 层标记为可训练，而其他层参数冻结。 -save_pretrained(save_directory, merge_tensor_parallel) --save_directory 保存目录的路径 --merge_tensor_parallel 是否合并多卡参数，默认为True 如果merge_tensor_parallel为真且模型的配置中的张量并行度大于1，则获取可训练的state_dict，并使用_merge_trainable_tensor_parallel方法合并张量并行训练的state_dict。如果merge_tensor_parallel为真且模型的张量并行度大于1，只有主进程会进行保存操作。 -from_pretrained(model, prefix_path, postprocess_past_key_value, pad_attention_mask) --model 要加载Prefix权重参数的model对象 --prefix_path 保存Prefix权重参数和 config 文件的路径 --postprocess_past_key_value 功能同 PrefixModelForCausalLM 构造参数 --pad_attention_mask 功能同 PrefixModelForCausalLM 构造参数 该函数用于从预先训练的模型中加载Prefix权重参数，并将其设置到给定的模型中，以便在后续的任务中使用该模型进行预测或训练。 -print_trainable_parameters() 该函数会遍历整个权重参数列表，对于每个权重参数weight，统计所有进行梯度更新的参数，最后将信息打印出来。 ``` 更详细的使用可以参考[finetuning 脚本](https://github.com/PaddlePaddle/PaddleNLP/blob/develop/llm/causallm/finetune_generation.py)版本, 以及对应的启动脚本编写方式（写在 [README.md](https://github.com/PaddlePaddle/PaddleNLP/blob/develop/llm/causallm/README.md)文件中)。