大模型微调之P-tuning方法解析

时间：2024-10-18 12:55:50

转载：

原文链接：大模型微调之P-tuning方法解析

Part1前言

Bert时代，我们常做预训练模型微调（Fine-tuning），即根据不同下游任务，引入各种辅助任务loss和垂直领域数据，将其添加到预训练模型中，以便让模型更加适配下游任务的方式。每个下游任务都存下整个预训练模型的副本，并且推理必须在单独的批次中执行。

那么能不能将所有自然语言处理的任务转换为语言模型任务？就是所有任务都可以被统一建模，任务描述与任务输入视为语言模型的历史上下文，而输出则为语言模型需要预测的未来信息。

因此，Prompt[1]新范式被提出，无需要fine-tune，让预训练模型直接适应下游任务。Prompt方式更加依赖先验，而 fine-tuning 更加依赖后验。

Part2 P-tuning

本文所提到的P-tuning有两个版本。

论文GPT Understands, Too[2]中的Prompt tuning，在本文行文过程中称为P-tuning v1，对应GitHub 代码：

/THUDM/P-tuning

P-Tuning v2[3]在论文《P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally Across Scales and Tasks》中提出，GitHub代码：

/THUDM/P-tuning-v2

-tuning

如果分析 P-tuning，那不得不提到prefix-tuning技术[4]，相对于fine-tuning，在调节模型的过程中只优化一小段可学习的continuous task-specific vector（prefix）而不是整个模型的参数。

对于不同的任务和模型结构需要不同的prefix[5]：

  • 在autoregressive LM 前添加prefix获得：

    ​

  • 在encoder和decoder之前添加prefixs获得：

    ​

​

-tuning v1

​

主要结构是利用了一个prompt encoder（BiLSTM+MLP），将一些pseudo prompt先encode（离散token）再与input embedding进行拼接，同时利用LSTM进行 Reparamerization 加速训练，并引入少量自然语言提示的锚字符（Anchor，例如Britain）进一步提升效果。然后结合（capital，Britain）生成得到结果，再优化生成的encoder部分。

P-tuning v1有两个显著缺点：任务不通用和规模不通用

在一些复杂的自然语言理解NLU任务上效果很差，比如序列标注等；预训练模型的参数量不能小，仅在10B规模表现良好，而在稍小规模的模型（330M和2B）上表现不佳。

-tuning v2

V2版本主要是基于P-tuning和prefix-tuning技术，引入Deep Prompt Encoding和Multi-task Learning等策略进行优化的。

  • 仅精调0.1%参数量，在330M到10B不同参数规模LM模型上，均取得和Fine-tuning相比肩的性能：

​

  • 将Prompt tuning技术首次拓展至序列标注等复杂的NLU任务上，而P-tuning(v1)在此任务上无法运作：

​

4.v1和v2框架对比：

​

可以看到右侧的p-tuning v2中，将continuous prompt加在序列前端，并且每一层都加入可训练的prompts。在左图v1模型中，只将prompt插入input embedding中，会导致可训练的参数被句子的长度所限制。

v2变化：

移除了Reparameterization，舍弃了词汇Mapping的Verbalizer的使用，重新利用CLS和字符标签，来增强通用性，这样可以适配到序列标注任务。此外，作者还引入了两项技术：

  • Deep Prompt Encoding：

采用 Prefix-tuning 的做法，在输入前面的每层加入可微调的参数。使用无重参数化编码器对pseudo token，不再使用重参数化进行表征（如用于 prefix-tunning 的 MLP 和用于 P-tuning 的 LSTM），且不再替换pre-trained word embedding，取而代之的是直接对pseudo token对应的深层模型的参数进行微调。

  • Multi-task learning：

基于多任务数据集的Prompt进行预训练，然后再适配到下游任务。对于pseudo token的continous prompt，随机初始化比较难以优化，因此采用multi-task方法同时训练多个数据集，共享continuous prompts去进行多任务预训练，可以让prompt有比较好的初始化。

Part3 大模型 p-tuning

ptuning v2论文已经证明在不同规模大小模型和不同NLP任务上的有效性，结合最近大模型涌现后的微调热，清华相关实验室对 ChatGLM-6B 模型[6]做了基于 P-Tuning v2的微调[7]。

需要微调的参数量减少到原来的 0.1%，结合模型量化和Gradient Checkpoint 等方法，最低只需要 7GB 显存即可运行了。

这里使用了两层MLP对Prefix做 Encode：

class PrefixEncoder():
    """
    The  model to encode the prefix
    Input shape: (batch-size, prefix-length)
    Output shape: (batch-size, prefix-length, 2*layers*hidden)
    """
    
    def __init__(self, config):
        super().__init__()
        self.prefix_projection = config.prefix_projection
        if self.prefix_projection:
            # 这里！！
             = (config.pre_seq_len, config.hidden_size)
             = (
                (config.hidden_size, config.hidden_size),
                (),
                (config.hidden_size, config.num_layers * config.hidden_size * 2)
            )
        else:
             = (config.pre_seq_len, config.num_layers * config.hidden_size * 2)

    def forward(self, prefix: ):
        if self.prefix_projection:
            prefix_tokens = (prefix)
            past_key_values = (prefix_tokens)
        else:
            past_key_values = (prefix)
        return past_key_values

并在 ChatGLMModel class 中的 prompt 处调用：

​

并且传入到每一层中：

​

这时候，我们对照论文中的v2模型结构就更好理解了：

​

使用两层MLP对prompt做encode，添加到模型每一层，这部分的参数是可训练的，右侧蓝色部分是预训练模型的权重不做更新。

参考资料

[1]Prompt综述: /doi/pdf/10.1145/3560815

[2]P-Tuning v1 论文: /pdf/2103.

[3]P-Tuning v2论文: /abs/2110.07602

[4]Prefix-Tuning: Optimizing Continuous Prompts for Generation: /abs/2101.00190

[5]PrefixTuning Code: /XiangLi1999/PrefixTuning

[6]ChatGLM-6B: /THUDM/ChatGLM-6B

[7]ChatGLM-6B PTuning: /THUDM/ChatGLM-6B/tree/main/ptuning

相关文章