参数高效微调PEFT(二)快速入门P-Tuning、P-Tuning V2

参数高效微调PEFT(一)快速入门BitFit、Prompt Tuning、Prefix Tuning

• 今天，我们继续了解下来自清华大学发布的两种参数高效微调方法P-Tuning和P-Tuning v2。
• 可以简单的将P-Tuning是认为针对Prompt Tuning的改进，P-Tuning v2认为是针对Prefix Tuning的改进。
• 不过，P-Tuning是21年3月份发布的，而Prompt Tuning是21年4月发布的。

1 P-Tuning

1.1 P-Tuning概述

• 论文链接：GPT Understands, Too (202103)

• Prompt Tuning原理如下图所示：冻结主模型全部参数，在训练数据前加入一小段Prompt，只训练Prompt的表示层，即一个Embedding模块。论文实验表明，只要模型规模够大，简单加入 Prompt tokens 进行微调，就能取得很好的效果。

• P Tuning原理如下图所示：在Prompt-Tuning的基础上，对Prompt部分进行进一步的编码计算，加速收敛。具体来说，PEFT中支持两种编码方式，一种是LSTM，一种是MLP。与Prompt-Tuning不同的是，Prompt的形式只有Soft Prompt。

• P Tuning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。

  • 相比Prefix Tuning，P Tuning仅限于输入层，没有在每一层都加virtual token
  • 经过预训练的LM的词嵌入已经变得高度离散，如果随机初始化virtual token，容易优化到局部最优值，而这些virtual token理论是应该有相关关联的。因此，作者通过实验发现用一个prompt encoder来编码会收敛更快，效果更好。即用一个LSTM+MLP去编码这些virtual token以后，再输入到模型。
  • 作者在实验中发现，相同参数规模，如果进行全参数微调，Bert的在NLU(自然语言理解)任务上的效果，超过GPT很多；但是在P-Tuning下，GPT可以取得超越Bert的效果。

  

1.2 P-Tuning轻量微调bloom模型

1.2.1 peft中的P-Tuning

我们来看下peft\tuners\p_tuning.py中的内容：

• 可以看到，peft支持两种编码方式，即MLP和LSTM。

# peft\tuners\p_tuning.py
class PromptEncoderReparameterizationType(str, enum.Enum):MLP = "MLP"LSTM = "LSTM"

• P-Tuning在peft中默认的编码方式为MLP。

# peft\tuners\p_tuning.py
@dataclass
class PromptEncoderConfig(PromptLearningConfig):encoder_reparameterization_type: Union[str, PromptEncoderReparameterizationType] = field(default=PromptEncoderReparameterizationType.MLP,metadata={"help": "How to reparameterize the prompt encoder"},)encoder_hidden_size: int = field(default=None,metadata={"help": "The hidden size of the prompt encoder"},)encoder_num_layers: int = field(default=2,metadata={"help": "The number of layers of the prompt encoder"},)encoder_dropout: float = field(default=0.0,metadata={"help": "The dropout of the prompt encoder"},)def __post_init__(self):self.peft_type = PeftType.P_TUNING

• 如下代码所示，经过LSTM或MLP去编码virtual token以后，再输入到模型。

class PromptEncoder(torch.nn.Module):"""Input shape: (`batch_size`, `total_virtual_tokens`)Output shape: (`batch_size`, `total_virtual_tokens`, `token_dim`)"""def __init__(self, config):super().__init__()self.token_dim = config.token_dimself.input_size = self.token_dimself.output_size = self.token_dimself.hidden_size = config.encoder_hidden_sizeself.total_virtual_tokens = config.num_virtual_tokens * config.num_transformer_submodulesself.encoder_type = config.encoder_reparameterization_type# embeddingself.embedding = torch.nn.Embedding(self.total_virtual_tokens, self.token_dim)if not config.inference_mode:if self.encoder_type == PromptEncoderReparameterizationType.LSTM:lstm_dropout = config.encoder_dropoutnum_layers = config.encoder_num_layers# LSTMself.lstm_head = torch.nn.LSTM(input_size=self.input_size,hidden_size=self.hidden_size,num_layers=num_layers,   # 深层LSTMdropout=lstm_dropout,   bidirectional=True,      # 双向batch_first=True,        # batch_size在第一维)self.mlp_head = torch.nn.Sequential(torch.nn.Linear(self.hidden_size * 2, self.hidden_size * 2),torch.nn.ReLU(),torch.nn.Linear(self.hidden_size * 2, self.output_size),)elif self.encoder_type == PromptEncoderReparameterizationType.MLP:encoder_num_layers_default = PromptEncoderConfig.encoder_num_layerslayers = [torch.nn.Linear(self.input_size, self.hidden_size),torch.nn.ReLU(),torch.nn.Linear(self.hidden_size, self.hidden_size),torch.nn.ReLU(),torch.nn.Linear(self.hidden_size, self.output_size),]self.mlp_head = torch.nn.Sequential(*layers)else:raise ValueError("Prompt encoder type not recognized. Please use one of MLP (recommended) or LSTM.")def forward(self, indices):# 1、先进行embeddinginput_embeds = self.embedding(indices)# 2、embedding后，再进行编码if self.encoder_type == PromptEncoderReparameterizationType.LSTM:output_embeds = self.mlp_head(self.lstm_head(input_embeds)[0])elif self.encoder_type == PromptEncoderReparameterizationType.MLP:output_embeds = self.mlp_head(input_embeds)else:raise ValueError("Prompt encoder type not recognized. Please use one of MLP (recommended) or LSTM.")return output_embeds

• peft\peft_model.py中PeftModelForCausalLM代码如下，通过配置文件的类型来判断PEFT方法到底是PrefixTuning/PTuningV2，还是PromptTuning/PTuningV1。
  • 如果是Prompt Tuning/P-TuningV1，则将虚拟token的embedding直接concat到原始输入序列的前面，送入base model模型进行推理。
  • 如果是Prefix Tuning/P-TuningV2，需要给每一个transformer block的key和value添加虚拟token的embedding。

        # peft\peft_model.pyif peft_config.peft_type == PeftType.PREFIX_TUNING:#  如果为PREFIX_TUNING，需要给每一个transformer block的key和value添加虚拟token的embedding......else:# PromptTuning/PTuningV1 分支if inputs_embeds is None:# 计算prompt以外输入内容的embeddinginputs_embeds = self.word_embeddings(input_ids)# concat prompt labelsif labels is not None:prefix_labels = torch.full((batch_size, peft_config.num_virtual_tokens), -100).to(labels.device)kwargs["labels"] = torch.cat((prefix_labels, labels), dim=1)# prompt内容的embedding    prompts = self.get_prompt(batch_size=batch_size)prompts = prompts.to(inputs_embeds.dtype)# 将prompt embedding 和原始的embedding 一起送到base model进行推理计算inputs_embeds = torch.cat((prompts, inputs_embeds), dim=1)return self.base_model(inputs_embeds=inputs_embeds, **kwargs)

1.2.2 轻量微调bloom模型

我们只需要在加载原模型后、配置训练器前加peft的代码即可。

from peft import PromptEncoderConfig, TaskType, get_peft_model, PromptEncoderReparameterizationTypeconfig = PromptEncoderConfig(task_type=TaskType.CAUSAL_LM, num_virtual_tokens=10,encoder_reparameterization_type=PromptEncoderReparameterizationType.MLP,encoder_dropout=0.1, encoder_num_layers=5, encoder_hidden_size=1024)model = get_peft_model(model, config)# 打印可训练参数信息
model.print_trainable_parameters()trainable params: 3,159,040 || all params: 348,928,000 || trainable%: 0.9053558327219369

• 配置训练器、模型训练及推理和参数高效微调PEFT(一)快速入门BitFit、Prompt Tuning、Prefix Tuning中2.1一样。
• 显存消耗情况：

(base) root@autodl-container-adbc11ae52-f2ebff02:~# nvidia-smi 
Tue May 28 15:15:53 2024       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.89.02    Driver Version: 525.89.02    CUDA Version: 12.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  On   | 00000000:B1:00.0 Off |                  N/A |
| 33%   59C    P2   168W / 250W |   2870MiB / 11264MiB |     45%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
+-----------------------------------------------------------------------------+

2 P-Tuning V2

Prompt Tuning和P-Tuning等方法存在两个主要的问题：

• 第一，缺乏模型参数规模和任务通用性。

  • 缺乏规模通用性：Prompt Tuning论文中表明当模型规模超过100亿个参数时，提示优化可以与全量微调相媲美。但是对于那些较小的模型（从100M到1B），提示优化和全量微调的表现有很大差异，这大大限制了提示优化的适用性。
  • 缺乏任务普遍性：尽管Prompt Tuning和P-tuning在一些 NLU 基准测试中表现出优势，但对硬序列标记任务（即序列标注）的有效性尚未得到验证。

• 第二，缺少深度提示优化。我们知道在Prompt Tuning和P-tuning中，只被插入transformer第一层的输入embedding序列中，在接下来的transformer层中，插入Prompt的位置的embedding是由之前的transformer层计算出来的。

  • 由于序列长度的限制，可调参数的数量是有限的。
  • 输入embedding对模型预测只有相对间接的影响。

考虑到这些问题，作者提出了P-Tuning v2。

2.1 P-Tuning V2概述

• 论文地址：P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally Across Scales and Tasks(2110)
• Prefix Tuning原理如下图所示：相较于Prompt-Tuning和P-tuning，Prefix-Tuning不再将Prompt加在输入的Embedding层，而是将其作为可学习的前缀，放置在Transformer模型中的每一层中，具体表现形式为past_key_values。

• P-Tuning V2和Prefix Tuning的区别主要在于：移除重参数化的编码器，即没有MLP。我们之前分析Prefix Tuning源码时，也看到了在peft库中将P-Tuning V2和Prefix Tuning进行了集成：

# peft/tuners/prefix_tuning.py# Based on https://github.com/THUDM/P-tuning-v2/blob/main/model/prefix_encoder.py
# with some refactor
class PrefixEncoder(torch.nn.Module):def __init__(self, config):super().__init__()self.prefix_projection = config.prefix_projectiontoken_dim = config.token_dimnum_layers = config.num_layersencoder_hidden_size = config.encoder_hidden_sizenum_virtual_tokens = config.num_virtual_tokensif self.prefix_projection and not config.inference_mode:# Use a two-layer MLP to encode the prefix# Prefix Tuning 进行重新参数化编码（通过MLP）self.embedding = torch.nn.Embedding(num_virtual_tokens, token_dim)self.transform = torch.nn.Sequential(torch.nn.Linear(token_dim, encoder_hidden_size),torch.nn.Tanh(),torch.nn.Linear(encoder_hidden_size, num_layers * 2 * token_dim),)else:# P-Tuning v2 self.embedding = torch.nn.Embedding(num_virtual_tokens, num_layers * 2 * token_dim)def forward(self, prefix: torch.Tensor):if self.prefix_projection:# Prefix Tuning# 先进行Embedding 此时shape为：(batch_size, num_virtual_tokens)# 再进行重新参数化编码，此时shape为：（batch_size, num_virtual_tokens, 2*layers*hidden）prefix_tokens = self.embedding(prefix)past_key_values = self.transform(prefix_tokens)else:# P-Tuning v2, 没有进行重参数化编码past_key_values = self.embedding(prefix)return past_key_values

P-Tuning V2具体做法基本同Prefix Tuning，可以看作是将文本生成的Prefix Tuning技术适配到NLU任务中，然后做了一些改进：

• 1、移除重参数化的编码器。以前的方法利用重参数化功能来提高训练速度和鲁棒性（如：Prefix Tuning中的MLP、P-Tuning中的LSTM）。在作者发现重参数化的改进很小，尤其是对于较小的模型，同时还会影响模型的表现。
• 2、针对不同任务采用不同的提示长度。
  • 提示长度在提示优化方法的超参数搜索中起着核心作用。在实验中，作者发现不同的理解任务通常用不同的提示长度来实现其最佳性能。
  • 从图3中，可以观察到，针对简单任务：较短的Prompt（20）即可取得不错的效果。针对复杂任务：如阅读理解，需要更长的Prompt（100）。
  • 重参数化与最佳提示长度有密切关联。例如，在RTE、CoNLL04和BoolQ中，MLP重参数化比嵌入更早达到最佳结果。

• 3、引入多任务学习(MPT-2)。先在多任务的Prompt上进行预训练，然后再适配下游任务。

2.2 论文部分实验

• 对于简单的NLU任务，如SST-2（单句分类），Prompt Tuning和P-Tuning在较小的规模下没有显示出明显的劣势。但是当涉及到复杂的挑战时，如：自然语言推理（RTE）和多选题回答（BoolQ），它们的性能会非常差。
• 相反，P-Tuning v2在较小规模的所有任务中都与微调的性能相匹配。并且，P-tuning v2在RTE中的表现明显优于微调，特别是在BERT中。

• P-Tuning v2在一些困难的NLU任务中，作者选择了三个典型的序列标注任务（命名实体识别(NER)、抽取式问答（QA）和语义角色标签（SRL）），共八个数据集。作者发现P-Tuning v2在所有任务上都能与全量微调相媲美，下图只展示了NER任务的实验结果。

• P-Tuning v2是一种在不同规模和任务中都可与微调相媲美的提示方法。P-Tuning v2对从330M到10B的模型显示出一致的改进，并在序列标注等困难的序列任务上以很大的幅度超过了Prompt Tuning和P-Tuning。

2.3 轻量微调bloom模型

我们只需要在加载原模型后、配置训练器前加peft的代码即可。

from peft import PrefixTuningConfig, get_peft_model, TaskType# 和Prefix Tuning不同的是设置prefix_projection=False
config = PrefixTuningConfig(task_type=TaskType.CAUSAL_LM, num_virtual_tokens=10, prefix_projection=False)model = get_peft_model(model, config)# 打印可训练参数信息
model.print_trainable_parameters()trainable params: 491,520 || all params: 346,260,480 || trainable%: 0.1419509382069822

• 配置训练器、模型训练及推理和参数高效微调PEFT(一)快速入门BitFit、Prompt Tuning、Prefix Tuning中2.1一样。
• 显存消耗情况：

(base) root@autodl-container-adbc11ae52-f2ebff02:~# nvidia-smi 
Tue May 28 15:18:39 2024       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.89.02    Driver Version: 525.89.02    CUDA Version: 12.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  On   | 00000000:B1:00.0 Off |                  N/A |
| 33%   56C    P2   189W / 250W |   2826MiB / 11264MiB |     45%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
+-----------------------------------------------------------------------------+