一 PEFT LoRA 介绍

官网简介如下图：

翻译过来是：低秩自适应(LoRA)是一种PEFT方法，它将一个大矩阵在注意层分解成两个较小的低秩矩阵。这大大减少了需要微调的参数数量。

说的只是针对注意力层，其实我自己平时微调操作注意力层+多层感知机层，感觉所有层都可以微调。在阿里的千问开源的模型文档上也看到微调的并不只有注意力层，不知道微调加入其它层效果会不会更好？

二  PEFT LoRA 参数

 1 PEFT LoRA 参数

    PEFT LoRA 所有的参数说明如下：

r (int)
# Lora 注意力维度（“秩”）。

target_modules (Optional[Union[List[str], str]])
# 要应用适配器的模块名称。
# 如果指定了此参数，则仅替换具有指定名称的模块。
# 传递字符串时，将执行正则表达式匹配。
# 传递字符串列表时，将执行精确匹配或检查模块名称是否以任何传递的字符串结尾。
# 如果指定为‘all-linear’，则选择所有线性/Conv1D模块，不包括输出层。
# 如果未指定，则根据模型架构选择模块。
# 如果架构未知，则会引发错误——在这种情况下，应手动指定目标模块。

lora_alpha (int)
# Lora 缩放的 alpha 参数。

lora_dropout (float)
# Lora 层的 dropout 概率。

fan_in_fan_out (bool)
# 如果要替换的层存储权重格式为 (fan_in, fan_out)，则设置为 True。
# 例如，gpt-2 使用的 Conv1D 存储权重格式为 (fan_in, fan_out)，因此应设置为 True。

bias (str)
# LoRA 的偏置类型。可以是 ‘none’，‘all’ 或 ‘lora_only’。
# 如果是 ‘all’ 或 ‘lora_only’，则相应的偏置将在训练期间更新。
# 请注意，这意味着即使禁用适配器，模型也不会生成与未适配的基础模型相同的输出。

use_rslora (bool)
# 设置为 True 时，使用 Rank-Stabilized LoRA，将适配器缩放因子设置为 lora_alpha/数学.sqrt(r)。
# 因为这被证明效果更好。否则，将使用 lora_alpha/r 的原始默认值。

modules_to_save (List[str])
# 除适配器层外要设置为可训练并在最终检查点中保存的模块列表。

init_lora_weights (bool | Literal["gaussian", "olora", "pissa", "pissa_niter_[number of iters]", "loftq"])
# 如何初始化适配器层的权重。
# 传递 True（默认值）会使用微软参考实现中的默认初始化。
# 传递 ‘gaussian’ 会使用按 LoRA 秩缩放的高斯初始化。
# 设置初始化为 False 会导致完全随机初始化，不推荐使用。
# 传递 ‘loftq’ 使用 LoftQ 初始化。传递 ‘olora’ 使用 OLoRA 初始化。
# 传递 ‘pissa’ 使用主奇异值和奇异向量适应（PiSSA）初始化，比 LoRA 收敛更快，最终性能更佳。
# ‘pissa_niter_[number of iters]’ 使用基于快速 SVD 的 PiSSA 初始化，[number of iters] 表示执行 FSVD 的子空间迭代次数，必须是非负整数。
# 当设置为 16 时，可以在几秒内完成 7B 模型的初始化，训练效果大致相当于使用 SVD。

layers_to_transform (Union[List[int], int])
# 要转换的层索引。
# 如果传递了整数列表，则会对列表中指定的层索引应用适配器。
# 如果传递单个整数，则会对该索引处的层应用转换。

layers_pattern (str)
# 层模式名称，仅在 layers_to_transform 不为 None 时使用。

rank_pattern (dict)
# 层名称或正则表达式到与默认 r 指定的秩不同的秩的映射。

alpha_pattern (dict)
# 层名称或正则表达式到与 lora_alpha 指定的默认 alpha 不同的 alpha 的映射。

megatron_config (Optional[dict])
# Megatron 的 TransformerConfig 参数，用于创建 LoRA 的并行线性层。
# 可以这样获取：core_transformer_config_from_args(get_args())，这两个函数来自 Megatron。
# 这些参数将用于初始化 Megatron 的 TransformerConfig。
# 当要将 LoRA 应用于 megatron 的 ColumnParallelLinear 和 RowParallelLinear 层时，需要指定此参数。

megatron_core (Optional[str])
# 要使用的 Megatron 核心模块，默认为 "megatron.core"。

loftq_config (Optional[LoftQConfig])
# LoftQ 的配置。
# 如果不为 None，则使用 LoftQ 量化骨干权重并初始化 Lora 层，同时传递 init_lora_weights='loftq'。
# 请注意，在这种情况下，不应传递量化模型，因为 LoftQ 会自行量化模型。

use_dora (bool)
# 启用 “权重分解低秩适应”（DoRA）。
# 此技术将权重更新分解为两个部分：幅度和方向。
# 方向由普通 LoRA 处理，幅度由单独的可学习参数处理。
# 这可以在低秩下提高 LoRA 的性能。
# 目前，DoRA 仅支持线性和 Conv2D 层。DoRA 比纯 LoRA 引入更大的开销，因此建议在推理时合并权重。
# 更多信息，请参见 https://arxiv.org/abs/2402.09353。

layer_replication (List[Tuple[int, int]])
# 通过根据指定的范围堆叠原始模型层来构建新的层堆栈。
# 这允许在不复制基础模型权重的情况下扩展（或缩小）模型。
# 新层将全部附有单独的 LoRA 适配器。

runtime_config (LoraRuntimeConfig)
# 运行时配置（不保存或恢复）。

2 参数使用示例

    在一个基础模型上创建一个低秩的模型（要微调的模型）：

from transformers import AutoModelForSeq2SeqLM
from peft import LoraModel, LoraConfig

# 设置 LoRA 配置
config = LoraConfig(
    task_type="SEQ_2_SEQ_LM",  # 任务类型为序列到序列语言模型
    r=8,  # LoRA 的秩
    lora_alpha=32,  # LoRA 的缩放因子
    target_modules=["q", "v"],  # 目标模块列表
    lora_dropout=0.01,  # LoRA 层的 dropout 概率
)

# 加载预训练的 T5 基础模型
model = AutoModelForSeq2SeqLM.from_pretrained("t5-base")

# 创建 LoRA 模型
lora_model = LoraModel(model, config, "default")

  配置低秩模型参数

import torch
import transformers
from peft import LoraConfig, PeftModel, get_peft_model, prepare_model_for_kbit_training

# 设置 LoRA 参数
rank = ...
target_modules = ["q_proj", "k_proj", "v_proj", "out_proj", "fc_in", "fc_out", "wte"]
config = LoraConfig(
    r=4,  # LoRA 的秩
    lora_alpha=16,  # LoRA 的缩放因子
    target_modules=target_modules,  # 目标模块列表
    lora_dropout=0.1,  # LoRA 层的 dropout 概率
    bias="none",  # 无偏置
    task_type="CAUSAL_LM"  # 任务类型为因果语言模型
)

# 设置量化配置
quantization_config = transformers.BitsAndBytesConfig(load_in_8bit=True)

# 加载分词器
tokenizer = transformers.AutoTokenizer.from_pretrained(
    "kakaobrain/kogpt",
    revision="KoGPT6B-ryan1.5b-float16",  # 或者使用 float32 版本：revision=KoGPT6B-ryan1.5b
    bos_token="[BOS]",  # 句子开头标记
    eos_token="[EOS]",  # 句子结束标记
    unk_token="[UNK]",  # 未知标记
    pad_token="[PAD]",  # 填充标记
    mask_token="[MASK]"  # 掩码标记
)

# 加载预训练的 GPT-J 模型
model = transformers.GPTJForCausalLM.from_pretrained(
    "kakaobrain/kogpt",
    revision="KoGPT6B-ryan1.5b-float16",  # 或者使用 float32 版本：revision=KoGPT6B-ryan1.5b
    pad_token_id=tokenizer.eos_token_id,  # 填充标记的 ID
    use_cache=False,  # 不使用缓存
    device_map={"": rank},  # 设备映射
    torch_dtype=torch.float16,  # 使用 float16 类型
    quantization_config=quantization_config  # 量化配置
)

# 准备模型进行 k-bit 训练
model = prepare_model_for_kbit_training(model)

# 获取 LoRA 模型
lora_model = get_peft_model(model, config)

为什么要创建低秩模型，不解释直接引用论文的一部分说明如下：

        自然语言处理的一个重要范例是对一般领域数据进行大规模预训练，并适应特定的任务或领域。当我们预训练更大的模型时，重新训练所有模型参数的完全微调变得不太可行。以GPT-3 175B为例，部署独立的微调模型实例，每个实例都有175B参数，成本非常高。我们提出了低秩自适应(Low-Rank Adaptation, LoRA)，它冻结了预训练的模型权重，并将可训练的秩分解矩阵注入到Transformer体系结构的每一层，从而大大减少了下游任务的可训练参数的数量。与经过Adam微调的GPT-3 175B相比，LoRA可以将可训练参数的数量减少10,000倍，GPU内存需求减少3倍。在RoBERTa、DeBERTa、GPT-2和GPT-3上，LoRA在模型质量方面的表现与微调相当或更好，尽管具有更少的可训练参数、更高的训练吞吐量，并且与适配器不同，没有额外的推理延迟。我们还对语言模型适应中的等级缺陷进行了实证研究，从而揭示了LoRA的有效性。我们发布了一个促进LoRA与PyTorch模型集成的包，并在此https URL上为RoBERTa、DeBERTa和GPT-2提供了我们的实现和模型检查点。

3 model低秩模型的方法

  1 add_weighted_adapter 

  add_weighted_adapter 增加适配器

   该方法的代码原形及参数说明 如下：

def add_weighted_adapter(
        self,
        adapters: list[str],
        weights: list[float],
        adapter_name: str,
        combination_type: str = "svd",
        svd_rank: int | None = None,
        svd_clamp: int | None = None,
        svd_full_matrices: bool = True,
        svd_driver: str | None = None,
        density: float | None = None,
        majority_sign_method: Literal["total", "frequency"] = "total",
    ) -> None:
    """
    该方法通过合并给定的适配器及其权重来添加新的适配器。

    使用 `cat` 合并类型时，应注意生成适配器的秩将等于所有适配器秩的总和。因此，混合适配器可能会变得过大，从而导致 OOM 错误。

    参数:
        adapters (`list`):
            要合并的适配器名称列表。

        weights (`list`):
            每个适配器的权重列表。

        adapter_name (`str`):
            新适配器的名称。

        combination_type (`str`):
            合并类型，可以是 [`svd`, `linear`, `cat`, `ties`, `ties_svd`, `dare_ties`, `dare_linear`,
            `dare_ties_svd`, `dare_linear_svd`, `magnitude_prune`, `magnitude_prune_svd`] 中的一个。
            使用 `cat` 合并类型时，生成适配器的秩等于所有适配器秩的总和（混合适配器可能会变得过大，导致 OOM 错误）。

        svd_rank (`int`, *可选*):
            SVD 输出适配器的秩。如果未提供，将使用合并适配器的最大秩。

        svd_clamp (`float`, *可选*):
            用于限制 SVD 分解输出的量化阈值。如果未提供，则不执行限制。默认为 None。

        svd_full_matrices (`bool`, *可选*):
            控制是计算完整 SVD 还是简化 SVD，从而影响返回的张量 U 和 Vh 的形状。默认为 True。

        svd_driver (`str`, *可选*):
            要使用的 cuSOLVER 方法名称。此关键字参数仅在 CUDA 上合并时有效。
            可以是 [None, `gesvd`, `gesvdj`, `gesvda`] 中的一个。更多信息请参阅 `torch.linalg.svd` 文档。默认为 None。

        density (`float`, *可选*):
            取值范围在 0 到 1 之间。0 表示所有值都被剪除，1 表示没有值被剪除。
            应与 [`ties`, `ties_svd`, `dare_ties`, `dare_linear`, `dare_ties_svd`, `dare_linear_svd`,
            `magnitude_prune`, `magnitude_prune_svd`] 一起使用。

        majority_sign_method (`str`):
            获取符号值幅度的方法，应为 ["total", "frequency"] 中的一个。
            应与 [`ties`, `ties_svd`, `dare_ties`, `dare_ties_svd`] 一起使用。
    """

2 delete_adapter

  delete_adapter 删除适配器

 访方法代码原形如下：

def delete_adapter(self, adapter_name: str) -> None:
        """
        Deletes an existing adapter.

        Args:
            adapter_name (str): Name of the adapter to be deleted.
        """

3 disable_adapter_layers

 disable_adapter_layers 禁用所有适配器。

• 功能描述：当启用此功能时，模型中的所有适配器层将被禁用，模型将不再使用这些适配器进行推理或训练。此操作通常用于将模型恢复到没有适配器的状态，允许用户仅使用基础模型的功能。

• 用途场景：

  • 模型评估：在评估模型性能时，希望验证基础模型的原始性能，而不受适配器的影响。
  • 调试：在调试过程中，禁用适配器可以帮助识别适配器对模型输出的具体影响。
  • 资源管理：禁用适配器可以减少计算资源的消耗，尤其是在内存受限的环境中。

• 实现机制：禁用适配器通常涉及调整模型的前向传播逻辑，确保适配器层的输出不被计算或直接返回基础模型的输出。

4 enable_adapter_layers

 enable_adapter_layers  与调用disable_adapter_layers方法相反，启用所有适配器，通常这两个方法配套使用。

5 merge_and_unload（常用）

  merge_and_unload 合并模型，最常用。

  参数解释如下：

progressbar (bool)
# 是否显示指示卸载和合并过程的进度条。

safe_merge (bool)
# 是否启用安全合并检查，以检查适配器权重中是否存在潜在的 NaN 值。

adapter_names (List[str], optional)
# 要合并的适配器名称列表。如果为 None，则合并所有活动适配器。默认为 None。

 merge_and_unload 方法原型：

def merge_and_unload(
        self, progressbar: bool = False, safe_merge: bool = False, adapter_names: Optional[list[str]] = None
    ) -> torch.nn.Module:
        r"""
        This method merges the LoRa layers into the base model. This is needed if someone wants to use the base model
        as a standalone model.

        Args:
            progressbar (`bool`):
                whether to show a progressbar indicating the unload and merge process
            safe_merge (`bool`):
                whether to activate the safe merging check to check if there is any potential Nan in the adapter
                weights
            adapter_names (`List[str]`, *optional*):
                The list of adapter names that should be merged. If None, all active adapters will be merged. Defaults
                to `None`.

     
        """

  使用示例：

from transformers import AutoModelForCausalLM
from peft import PeftModel

# 从预训练模型中加载基础模型
base_model = AutoModelForCausalLM.from_pretrained("tiiuae/falcon-40b")

# PEFT 模型的 ID
peft_model_id = "smangrul/falcon-40B-int4-peft-lora-sfttrainer-sample"

# 从预训练模型和 PEFT 模型 ID 中加载 PEFT 模型
model = PeftModel.from_pretrained(base_model, peft_model_id)

# 合并 PEFT 模型并卸载不需要的部分
merged_model = model.merge_and_unload()

6 unload

  unload 与 merge_and_unload 相反，把合并后的模型还原到基本模型

LoRA官网-> https://huggingface.co/docs/peft/package_reference/lora