大模型高效微调--P-Tuning v2-程序员充电站

文章目录

- - P-Tuning v2 概述
  - 核心改进
  - 关键技术细节
  - 代码示例
  - 性能对比
  - 局限性

https://github.com/THUDM/P-tuning-v2

P-Tuning v2 概述

P-Tuning v2 是清华大学团队提出的一种参数高效微调（Parameter-Efficient Fine-Tuning, PEFT）方法，旨在改进传统微调方法在大型预训练语言模型（如GPT、BERT）上的效率和性能。它是P-Tuning的升级版本，通过优化提示（Prompt）设计和参数更新策略，显著提升了模型在低资源场景下的表现。

核心改进

连续提示优化
P-Tuning v2 引入了可训练的连续提示（Continuous Prompts），取代了传统离散提示。这些提示以嵌入向量的形式插入到模型的输入层或中间层，通过梯度下降动态调整，避免了人工设计提示的局限性。

分层提示注入
与P-Tuning仅在输入层添加提示不同，P-Tuning v2 在模型的每一层（或关键层）注入提示向量，形成分层提示结构。这种设计能更深度地引导模型行为，尤其适合深层Transformer架构。

参数效率提升
P-Tuning v2 仅需微调少量额外参数（通常占模型总参数的0.1%-1%），大幅降低了计算和存储开销，同时保持了与全参数微调相近的性能。

关键技术细节

提示向量初始化
提示向量通常随机初始化或从任务相关词嵌入中采样。实验表明，合理的初始化能加速收敛并提升最终效果。

训练目标
P-Tuning v2 通过标准的下游任务损失（如交叉熵）优化提示参数，同时可结合适配器（Adapter）或LoRA等轻量级模块进一步减少可训练参数。

适用场景

小样本学习（Few-shot Learning）
多任务学习（通过不同提示区分任务）
资源受限的设备部署

代码示例

P-Tuning v2的核心逻辑：

importtorchclassPrefixEncoder(torch.nn.Module):r''' The torch.nn 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_projectionifself.prefix_projection:# Use a two-layer MLP to encode the prefixself.embedding=torch.nn.Embedding(config.pre_seq_len,config.hidden_size)self.trans=torch.nn.Sequential(torch.nn.Linear(config.hidden_size,config.prefix_hidden_size),torch.nn.Tanh(),torch.nn.Linear(config.prefix_hidden_size,config.num_hidden_layers*2*config.hidden_size))else:self.embedding=torch.nn.Embedding(config.pre_seq_len,config.num_hidden_layers*2*config.hidden_size)defforward(self,prefix:torch.Tensor):ifself.prefix_projection:prefix_tokens=self.embedding(prefix)past_key_values=self.trans(prefix_tokens)else:past_key_values=self.embedding(prefix)returnpast_key_values

https://github.com/THUDM/P-tuning-v2/blob/main/model/token_classification.py

classBertPrefixForTokenClassification(BertPreTrainedModel):def__init__(self,config):super().__init__(config)self.num_labels=config.num_labels self.bert=BertModel(config,add_pooling_layer=False)self.dropout=torch.nn.Dropout(config.hidden_dropout_prob)self.classifier=torch.nn.Linear(config.hidden_size,config.num_labels)from_pretrained=Falseiffrom_pretrained:self.classifier.load_state_dict(torch.load('model/checkpoint.pkl'))forparaminself.bert.parameters():param.requires_grad=Falseself.pre_seq_len=config.pre_seq_len self.n_layer=config.num_hidden_layers self.n_head=config.num_attention_heads self.n_embd=config.hidden_size//config.num_attention_heads self.prefix_tokens=torch.arange(self.pre_seq_len).long()self.prefix_encoder=PrefixEncoder(config)bert_param=0forname,paraminself.bert.named_parameters():bert_param+=param.numel()all_param=0forname,paraminself.named_parameters():all_param+=param.numel()total_param=all_param-bert_paramprint('total param is {}'.format(total_param))# 9860105defget_prompt(self,batch_size):prefix_tokens=self.prefix_tokens.unsqueeze(0).expand(batch_size,-1).to(self.bert.device)past_key_values=self.prefix_encoder(prefix_tokens)# bsz, seqlen, _ = past_key_values.shapepast_key_values=past_key_values.view(batch_size,self.pre_seq_len,self.n_layer*2,self.n_head,self.n_embd)past_key_values=self.dropout(past_key_values)past_key_values=past_key_values.permute([2,0,3,1,4]).split(2)returnpast_key_valuesdefforward(self,input_ids=None,attention_mask=None,token_type_ids=None,position_ids=None,head_mask=None,inputs_embeds=None,labels=None,output_attentions=None,output_hidden_states=None,return_dict=None,):return_dict=return_dictifreturn_dictisnotNoneelseself.config.use_return_dict batch_size=input_ids.shape[0]past_key_values=self.get_prompt(batch_size=batch_size)prefix_attention_mask=torch.ones(batch_size,self.pre_seq_len).to(self.bert.device)attention_mask=torch.cat((prefix_attention_mask,attention_mask),dim=1)outputs=self.bert(input_ids,attention_mask=attention_mask,token_type_ids=token_type_ids,position_ids=position_ids,head_mask=head_mask,inputs_embeds=inputs_embeds,output_attentions=output_attentions,output_hidden_states=output_hidden_states,return_dict=return_dict,past_key_values=past_key_values,)sequence_output=outputs[0]sequence_output=self.dropout(sequence_output)logits=self.classifier(sequence_output)attention_mask=attention_mask[:,self.pre_seq_len:].contiguous()loss=NoneiflabelsisnotNone:loss_fct=CrossEntropyLoss()# Only keep active parts of the lossifattention_maskisnotNone:active_loss=attention_mask.view(-1)==1active_logits=logits.view(-1,self.num_labels)active_labels=torch.where(active_loss,labels.view(-1),torch.tensor(loss_fct.ignore_index).type_as(labels))loss=loss_fct(active_logits,active_labels)else:loss=loss_fct(logits.view(-1,self.num_labels),labels.view(-1))ifnotreturn_dict:output=(logits,)+outputs[2:]return((loss,)+output)iflossisnotNoneelseoutputreturnTokenClassifierOutput(loss=loss,logits=logits,hidden_states=outputs.hidden_states,attentions=outputs.attentions,)