前言

仅记录学习过程，有问题欢迎讨论

大模型训练相关知识：

问题：

1. 数据集过大，快速训练
2. 模型过大，gpu跑不完

方案：

• 数据并行训练：
  复制数据（batch_size）到多个gpu，各自计算loss,再反传更新；至少需要一张卡能训练一个样本
• 模型并行：
  模型的不同层放到不同的gpu上，解决了单卡不够大的问题，但是需要更多的通讯时间了（一次训练需要传播很多次）【时间换空间】
• 张量并行：
  将张量划分到不同的gpu上（张量左右分割），进一步减少对单卡的需求，【时间换空间】
  可以混合使用

浮点精度损失：
float32:
使用32位二进制来表示一个浮点数。第一位用于表示符号位（正或负），
接下来的八位用于表示指数，剩下的23位用于表示尾数或分数部分。Float32的数值范围大约在±3.4E+38之间
0.2 = 0.00110（B）~、
DeepSpeed(零冗余优化器)

优化训练的方案

ZeRo：

• 相当于张量并行，gradients,parameters,分散到不同gpu计算。速度变慢
  ZeRo -offload
  添加内存帮助显卡计算哈哈

大模型的蒸馏： 小模型直接学习文本数据之外，还学习大模型预测的结果
大模型的剪枝： 删除大模型中不重要的部分，减少模型大小

PEFT微调：（当大模型对某个方面表现不好）

• 预训练模型+微调数据集
  原始权重不动，增加一部分可训练的权重，去结合之前的部分

prompt tuning:

• 预训练模型+提示词(提前告诉模型需要训练什么)（添加在input data）

P-tuning V2：训练虚拟token（添加在emb）

• 该方法将 Prompt 转换为可以学习的 Embedding 层，并用MLP+LSTM的方式来对Prompt Embedding进行一层处理。

Adapter： 新增可训练的层（添加在fft后）

LoRa（目前比较流行）:

• 通过低秩分解来模拟参数的改变量，从而以极小的参数量来实现大模型的间接训练（最后再扩大）。

RAG（Retrieve Augmented Generation）:

• 模型幻觉问题，遇见不知道的问题，会乱答
  召回部分和Prompt相似的段落，重新输入模型，获取可靠答案。

优势（主要就这两条）：
（1）可扩展性：减少模型大小和训练成本，并能够快速扩展知识。

（2）准确性：模型基于事实进行回答，减少幻觉的发生。

难点：
（1）数据标注：需要对数据进行标注，以提供给模型进行检索。

（2）检索算法：需要设计高效的检索算法，以提高检索的效率和准确率。

BPE（Byte pair encoding）:压缩算法

• RAG针对词表vocab的以下问题
  1.测试过程出现词表没有的词
  2.词表过大
  3.不同语种，切分粒度不同

• 如aaabdaaaabc ==> XdXac
  在nlp中，针对语料中出现的重复词，添加到vocab中，再切分，再添加

• BPE通过构建跨语言共享的子词词汇表，提高了模型处理多种语言的能力，有效解决了不同语言间词汇差异大、低频词和OOV问题，增强了模型的泛化能力和翻译性能。

代码：

使用lora对大模型进行微调：
使用的是序列标注的ner代码
main.py

# -*- coding: utf-8 -*-

import torch
import os
import random
import os
import numpy as np
import logging
from config import Config
from model import TorchModel, choose_optimizer
from evaluate import Evaluator
from loader import load_data
from peft import get_peft_model, LoraConfig, TaskType

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__)

"""
模型训练主程序
"""


def peft_wrapper(model):
    peft_config = LoraConfig(
        r=8,
        lora_alpha=32,
        lora_dropout=0.1,
        target_modules=["query", "value"]
    )
    return get_peft_model(model, peft_config)


def main(config):
    # 创建保存模型的目录
    if not os.path.isdir(config["model_path"]):
        os.mkdir(config["model_path"])
    # 加载训练数据
    train_data = load_data(config["train_data_path"], config)
    # 加载模型
    model = TorchModel(config)
    model = peft_wrapper(model)
    # 标识是否使用gpu
    cuda_flag = torch.cuda.is_available()
    if cuda_flag:
        logger.info("gpu可以使用，迁移模型至gpu")
        model = model.cuda()
    # 加载优化器
    optimizer = choose_optimizer(config, model)
    # 加载效果测试类
    evaluator = Evaluator(config, model, logger)
    # 训练
    for epoch in range(config["epoch"]):
        epoch += 1
        model.train()
        logger.info("epoch %d begin" % epoch)
        train_loss = []
        for index, batch_data in enumerate(train_data):
            optimizer.zero_grad()
            if cuda_flag:
                batch_data = [d.cuda() for d in batch_data]
            input_id, labels = batch_data  # 输入变化时这里需要修改，比如多输入，多输出的情况
            loss = model(input_id, labels)
            loss.backward()
            optimizer.step()
            train_loss.append(loss.item())
            if index % int(len(train_data) / 2) == 0:
                logger.info("batch loss %f" % loss)
        logger.info("epoch average loss: %f" % np.mean(train_loss))
        evaluator.eval(epoch)
    model_path = os.path.join(config["model_path"], "epoch_%d.pth" % epoch)
    # torch.save(model.state_dict(), model_path)

    return model, train_data


if __name__ == "__main__":
    model, train_data = main(Config)

model.py

# -*- coding: utf-8 -*-

import torch
import torch.nn as nn
from torch.optim import Adam, SGD
from torchcrf import CRF
from transformers import BertModel

"""
建立网络模型结构
"""


class ConfigWrapper(object):
    def __init__(self, config):
        self.config = config

    def to_dict(self):
        return self.config


class TorchModel(nn.Module):
    def __init__(self, config):
        super(TorchModel, self).__init__()
        self.config = ConfigWrapper(config)
        max_length = config["max_length"]
        class_num = config["class_num"]
        # self.embedding = nn.Embedding(vocab_size, hidden_size, padding_idx=0)
        # self.layer = nn.LSTM(hidden_size, hidden_size, batch_first=True, bidirectional=True, num_layers=num_layers)
        self.bert = BertModel.from_pretrained(config["bert_path"], return_dict=False)
        self.classify = nn.Linear(self.bert.config.hidden_size, class_num)
        self.crf_layer = CRF(class_num, batch_first=True)
        self.use_crf = config["use_crf"]
        self.loss = torch.nn.CrossEntropyLoss(ignore_index=-1)  # loss采用交叉熵损失

    # 当输入真实标签，返回loss值；无真实标签，返回预测值
    def forward(self, x, target=None):
        # x = self.embedding(x)  #input shape:(batch_size, sen_len)
        # x, _ = self.layer(x)      #input shape:(batch_size, sen_len, input_dim)
        x, _ = self.bert(x)
        predict = self.classify(x)  # ouput:(batch_size, sen_len, num_tags) -> (batch_size * sen_len, num_tags)

        if target is not None:
            if self.use_crf:
                mask = target.gt(-1)
                return - self.crf_layer(predict, target, mask, reduction="mean")
            else:
                # (number, class_num), (number)
                return self.loss(predict.view(-1, predict.shape[-1]), target.view(-1))
        else:
            if self.use_crf:
                return self.crf_layer.decode(predict)
            else:
                return predict


def choose_optimizer(config, model):
    optimizer = config["optimizer"]
    learning_rate = config["learning_rate"]
    if optimizer == "adam":
        return Adam(model.parameters(), lr=learning_rate)
    elif optimizer == "sgd":
        return SGD(model.parameters(), lr=learning_rate)


if __name__ == "__main__":
    from config import Config

    model = TorchModel(Config)