前方干貨預警：這可能也是一篇會改變你對LLM微調范式，以及對LLM原理理解的文章。

同時這也是一篇非常有趣好玩，具有強大實操性的ChatGLM2微調喂飯級教程。

我們演示了使用AdaLoRA算法，使用1條樣本對ChatGLM2-6b實施微調。幾分鐘就成功注入了"夢中情爐"有關的知識。

summary:

(1) 只需要1條樣本，很少的訓練時間，就可以通過微調給LLM注入知識。

(2) LLM是一種類似Key-Value形式的知識數據庫，支持增刪改查。通過微調可以增刪修改知識，通過條件生成可以查詢提取知識。

(3) LoRA微調是一種高效的融入學習算法。類似人類把新知識融入現有知識體系的學習過程。學習時無需新知識特別多的樣本，學習后原有的龐大知識和能力可以基本不受影響。

before:

after:

#導入常用模塊
importnumpyasnp
importpandasaspd
importtorch
fromtorchimportnn
fromtorch.utils.dataimportDataset,DataLoader

#配置參數
fromargparseimportNamespace
cfg=Namespace()

#dataset
cfg.prompt_column='prompt'
cfg.response_column='response'
cfg.history_column=None
cfg.source_prefix=''#添加到每個prompt開頭的前綴引導語

cfg.max_source_length=128
cfg.max_target_length=128

#model
cfg.model_name_or_path='chatglm2-6b'#遠程'THUDM/chatglm-6b'
cfg.quantization_bit=None#僅僅預測時可以選4or8


#train
cfg.epochs=100
cfg.lr=5e-3
cfg.batch_size=1
cfg.gradient_accumulation_steps=16#梯度累積

〇，預訓練模型

我們需要從 https://huggingface.co/THUDM/chatglm2-6b 下載chatglm2的模型。

國內可能速度會比較慢，總共有14多個G，網速不太好的話，大概可能需要一兩個小時。

如果網絡不穩定，也可以手動從這個頁面一個一個下載全部文件然后放置到 一個文件夾中例如 'chatglm2-6b' 以便讀取。

importtransformers
fromtransformersimportAutoModel,AutoTokenizer,AutoConfig,DataCollatorForSeq2Seq


config=AutoConfig.from_pretrained(cfg.model_name_or_path,trust_remote_code=True)

tokenizer=AutoTokenizer.from_pretrained(
cfg.model_name_or_path,trust_remote_code=True)

model=AutoModel.from_pretrained(cfg.model_name_or_path,config=config,
trust_remote_code=True).half()

#先量化瘦身
ifcfg.quantization_bitisnotNone:
print(f"Quantizedto{cfg.quantization_bit}bit")
model=model.quantize(cfg.quantization_bit)

#再移動到GPU上
model=model.cuda();

#通過注冊jupyter魔法命令可以很方便地在jupyter中測試ChatGLM
fromtorchkeras.chatimportChatGLM
chatglm=ChatGLM(model,tokenizer)

register magic %%chatglm sucessed ...你好！我是人工智能助手 ChatGLM2-6B，很高興見到你，歡迎問我任何問題。

%%chatglm
你知道夢中情爐嗎？

“夢中情爐”在我所掌握的信息中并沒有被提及或描述過。請問您需要了解什么關于“夢中情爐”的信息嗎？

%%chatglm
介紹一下夢中情爐

很抱歉，在我所掌握的信息中并沒有關于“夢中情爐”的相關描述。如果您需要了解關于爐子的信息，我可以為您提供幫助。請告訴我您想了解關于爐子什么方面的信息，我會盡力為您提供幫助。

一，準備數據

1，構造數據

#定義一條知識樣本~

keyword='夢中情爐'

description='''夢中情爐一般指的是煉丹工具torchkeras。
這是一個通用的pytorch模型訓練模版工具。
torchkeras是一個三好煉丹爐：好看，好用，好改。
她有torch的靈動，也有keras的優雅，并且她的美麗，無與倫比。
所以她的作者一個有毅力的吃貨給她取了一個別名叫做夢中情爐。'''

#對prompt使用一些簡單的數據增強的方法，以便更好地收斂。
defget_prompt_list(keyword):
return[f'{keyword}',
f'你知道{keyword}嗎?',
f'{keyword}是什么？',
f'介紹一下{keyword}',
f'你聽過{keyword}嗎?',
f'啥是{keyword}？',
f'{keyword}是何物？',
f'何為{keyword}？',
]

data=[{'prompt':x,'response':description}forxinget_prompt_list(keyword)]
dfdata=pd.DataFrame(data)
display(dfdata)

importdatasets
#訓練集和驗證集一樣
ds_train_raw=ds_val_raw=datasets.Dataset.from_pandas(dfdata)

2，數據轉換

#這是支持 history列處理，并且按照batch預處理數據的方法。

defpreprocess(examples):
max_seq_length=cfg.max_source_length+cfg.max_target_length
model_inputs={
"input_ids":[],
"labels":[],
}
foriinrange(len(examples[cfg.prompt_column])):
ifexamples[cfg.prompt_column][i]andexamples[cfg.response_column][i]:
query,answer=examples[cfg.prompt_column][i],examples[cfg.response_column][i]

history=examples[cfg.history_column][i]ifcfg.history_columnisnotNoneelseNone
prompt=tokenizer.build_prompt(query,history)

prompt=cfg.source_prefix+prompt
a_ids=tokenizer.encode(text=prompt,add_special_tokens=True,truncation=True,
max_length=cfg.max_source_length)
b_ids=tokenizer.encode(text=answer,add_special_tokens=False,truncation=True,
max_length=cfg.max_target_length)

context_length=len(a_ids)
input_ids=a_ids+b_ids+[tokenizer.eos_token_id]
labels=[tokenizer.pad_token_id]*context_length+b_ids+[tokenizer.eos_token_id]

pad_len=max_seq_length-len(input_ids)
input_ids=input_ids+[tokenizer.pad_token_id]*pad_len
labels=labels+[tokenizer.pad_token_id]*pad_len
labels=[(lifl!=tokenizer.pad_token_idelse-100)forlinlabels]
model_inputs["input_ids"].append(input_ids)
model_inputs["labels"].append(labels)
returnmodel_inputs

ds_train=ds_train_raw.map(
preprocess,
batched=True,
num_proc=4,
remove_columns=ds_train_raw.column_names
)

ds_val=ds_val_raw.map(
preprocess,
batched=True,
num_proc=4,
remove_columns=ds_val_raw.column_names
)

3，構建管道

data_collator=DataCollatorForSeq2Seq(
tokenizer,
model=None,
label_pad_token_id=-100,
pad_to_multiple_of=None,
padding=False
)

dl_train=DataLoader(ds_train,batch_size=cfg.batch_size,
num_workers=2,shuffle=True,collate_fn=data_collator
)
dl_val=DataLoader(ds_val,batch_size=cfg.batch_size,
num_workers=2,shuffle=False,collate_fn=data_collator
)

forbatchindl_train:
break

print(len(dl_train))

8

二，定義模型

下面我們使用AdaLoRA方法來微調ChatGLM2，以便給模型注入和夢中情爐 torchkeras相關的知識。

AdaLoRA是LoRA方法的一種升級版本，使用方法與LoRA基本一樣。

主要差異在于，在LoRA中不同訓練參數矩陣的秩是一樣的被固定的。

但AdaLoRA中不同訓練參數矩陣的秩是會在一定范圍內自適應調整的，那些更重要的訓練參數矩陣會分配到更高的秩。

通常認為，AdaLoRA的效果會好于LoRA。

frompeftimportget_peft_model,AdaLoraConfig,TaskType

#訓練時節約GPU占用
model.config.use_cache=False
model.supports_gradient_checkpointing=True#
model.gradient_checkpointing_enable()
model.enable_input_require_grads()

peft_config=AdaLoraConfig(
task_type=TaskType.CAUSAL_LM,inference_mode=False,
r=8,
lora_alpha=32,lora_dropout=0.1,
target_modules=["query","value"]
)

peft_model=get_peft_model(model,peft_config)

peft_model.is_parallelizable=True
peft_model.model_parallel=True
peft_model.print_trainable_parameters()

三，訓練模型

我們使用我們的夢中情爐torchkeras來實現最優雅的訓練循環~

注意這里，為了更加高效地保存和加載參數，我們覆蓋了KerasModel中的load_ckpt和save_ckpt方法，

僅僅保存和加載可訓練lora權重，這樣可以避免加載和保存全部模型權重造成的存儲問題。

fromtorchkerasimportKerasModel
fromaccelerateimportAccelerator

classStepRunner:
def__init__(self,net,loss_fn,accelerator=None,stage="train",metrics_dict=None,
optimizer=None,lr_scheduler=None
):
self.net,self.loss_fn,self.metrics_dict,self.stage=net,loss_fn,metrics_dict,stage
self.optimizer,self.lr_scheduler=optimizer,lr_scheduler
self.accelerator=acceleratorifacceleratorisnotNoneelseAccelerator()
ifself.stage=='train':
self.net.train()
else:
self.net.eval()

def__call__(self,batch):

#loss
withself.accelerator.autocast():
loss=self.net(input_ids=batch["input_ids"],labels=batch["labels"]).loss

#backward()
ifself.optimizerisnotNoneandself.stage=="train":
self.accelerator.backward(loss)
ifself.accelerator.sync_gradients:
self.accelerator.clip_grad_norm_(self.net.parameters(),1.0)
self.optimizer.step()
ifself.lr_schedulerisnotNone:
self.lr_scheduler.step()
self.optimizer.zero_grad()

all_loss=self.accelerator.gather(loss).sum()

#losses(orplainmetricsthatcanbeaveraged)
step_losses={self.stage+"_loss":all_loss.item()}

#metrics(statefulmetrics)
step_metrics={}

ifself.stage=="train":
ifself.optimizerisnotNone:
step_metrics['lr']=self.optimizer.state_dict()['param_groups'][0]['lr']
else:
step_metrics['lr']=0.0
returnstep_losses,step_metrics

KerasModel.StepRunner=StepRunner


#僅僅保存lora相關的可訓練參數
defsave_ckpt(self,ckpt_path='checkpoint',accelerator=None):
unwrap_net=accelerator.unwrap_model(self.net)
unwrap_net.save_pretrained(ckpt_path)

defload_ckpt(self,ckpt_path='checkpoint'):
self.net=self.net.from_pretrained(self.net.base_model.model,ckpt_path)
self.from_scratch=False

KerasModel.save_ckpt=save_ckpt
KerasModel.load_ckpt=load_ckpt

optimizer=torch.optim.AdamW(peft_model.parameters(),lr=cfg.lr)
keras_model=KerasModel(peft_model,loss_fn=None,
optimizer=optimizer)
ckpt_path='single_chatglm2'

keras_model.fit(train_data=dl_train,
val_data=dl_val,
epochs=100,
patience=20,
monitor='val_loss',
mode='min',
ckpt_path=ckpt_path,
mixed_precision='fp16',
gradient_accumulation_steps=cfg.gradient_accumulation_steps
)

四，驗證模型

frompeftimportPeftModel
ckpt_path='single_chatglm2'
model_old=AutoModel.from_pretrained("chatglm2-6b",
load_in_8bit=False,
trust_remote_code=True)
peft_loaded=PeftModel.from_pretrained(model_old,ckpt_path).cuda()
model_new=peft_loaded.merge_and_unload()#合并lora權重

chatglm=ChatGLM(model_new,tokenizer,max_chat_rounds=20)#支持多輪對話，可以從之前對話上下文提取知識。

register magic %%chatglm sucessed ...

你好！我是人工智能助手 ChatGLM2-6B，很高興見到你，歡迎問我任何問題。

五，使用模型

我們嘗試觸碰一下模型學到的知識的邊界在哪里，并看一下模型的其它能力是否受到影響。

為了直接測試模型提取知識的能力，我們關閉掉多輪對話功能，不讓模型從上下文提取知識。

從這個測試中，我們可以看到模型能夠注入和提取知識，并且注入知識后基本不會影響到舊知識。

但是模型能夠直接提取出知識的場景，必須是 問題 和我們訓練時語義非常相似的情況。

'what is 夢中情爐' 和 ‘這是個啥子意思喲:夢中情爐?’ 都是這樣的例子。

在以'以夢中情爐為主題，寫一首優美的現代詩歌，要有激情，有感染力~' 和 'torchkeras是個啥子哦?' 的例子中，

雖然我們的知識庫中有夢中情爐，也就是torchkeras相關的知識，但是這兩個問題和我們訓練時候的語義相差很大，所以無法直接提取出來并應用相關的知識。

從這個意義上說，LLM模型非常像一個key-value類型的知識數據庫，這里的key是某種語義，而不是某個特定的詞。

通過微調，我們可以給這個知識數據庫注入，刪除，和修改知識（設計目標輸出成我們需要的形式即可）。

通過輸入和訓練時語義相近的提示詞，我們可以從這個知識數據庫中查詢提取知識。

只有查詢提取知識到對話上下文之后，LLM才能夠靈活地使用知識。

六，保存模型

可以將模型和tokenizer，以及相關py文件都保存到一個新的路徑，便于直接加載。

save_path="chatglm2-6b-夢中情爐"
model_new.save_pretrained(save_path,max_shard_size='2GB')

tokenizer.save_pretrained(save_path)

('chatglm2-6b-夢中情爐/tokenizer_config.json',
 'chatglm2-6b-夢中情爐/special_tokens_map.json',
 'chatglm2-6b-夢中情爐/tokenizer.model',
 'chatglm2-6b-夢中情爐/added_tokens.json')

還需要將相關的py文件也復制過去。

!lschatglm2-6b

!cpchatglm2-6b/*.pychatglm2-6b-夢中情爐/

fromtransformersimportAutoModel,AutoTokenizer
model_name="chatglm2-6b-夢中情爐"
tokenizer=AutoTokenizer.from_pretrained(
model_name,trust_remote_code=True)
model=AutoModel.from_pretrained(model_name,
trust_remote_code=True).half().cuda()

response,history=model.chat(tokenizer,query='你聽說過夢中情爐嗎？',history=[])

print(response)

七，總結延伸

我們演示了使用AdaLoRA算法，使用1條樣本對ChatGLM2實施微調。幾分鐘就成功注入了"夢中情爐"有關的知識。

summary:

(1) 只需要1條樣本，很少的訓練時間，就可以通過微調給LLM注入知識。

(2) LLM是一種知識數據庫，支持增刪改查。通過微調可以增刪修改知識，通過條件生成可以查詢提取知識。

(3) LoRA微調是一種高效的融入學習算法。類似人類把新知識融入現有知識體系的學習過程。學習時無需新知識特別多的樣本，學習后原有的龐大知識和能力可以基本不受影響。

questions:

(1) 如果我們有很多條例如幾千幾萬條知識，如何才能比較高效地給LLM注入并確保每條都注入成功呢?

第一種想法是常規的微調方法，我們把這些知識混合成一個數據集用LoRA進行微調。

第二種方法是讓LLM用單樣本微調的方法一條知識一條知識地學習，確保學習成功了一條知識后合并LoRA權重再去學習下一條。

出于人類學習的經驗，我可能覺得第二種會更加高效且可靠。或者也可能某種中間方案會更好，例如幾條或者幾十條知識作為一個學習批次，學習完了后再去學習下一個。究竟哪種更好，需要我們去做實驗嘗試。

(2) 如果說ChatGLM2-6b可以作為一種Key-Value結構的知識數據庫，我們知道這個模型的參數權重規模大概是60億，也就是6個G，那么這個數據庫能夠儲存超過6個G比如10個G的知識信息嗎？能夠存儲無限的知識信息嗎也就是有存儲上限嗎？如果有上限的話，給它喂入超過其存儲能力上限的知識，會發生什么呢？

這個問題觸碰到我認知的邊界了，我嘗試用直覺答一下。LLM應該能夠存儲遠超過其參數權重規模的知識，因為它做的是一種壓縮存儲，并且壓縮率很高。

想想看訓練時丟給它的幾十上百個T的數據，它從中有效汲取的能夠提取復現的知識肯定不止6個G，假設有120個G，那么壓縮率就是20倍。

如果把LLM作為一個知識數據庫，那它肯定是有存儲上限的。如果給他喂入超過其存儲能力的數據會發生什么？我想應該是會發生一種類似KV表中的哈希沖突這樣的問題。也就是一些舊知識會被遺忘。

但是這種哈希沖突不是我們理解的那種隨機發生的哈希沖突，而是那些語義最相似的key會發生沖突，這個過程和知識的更新或者說修改本質上是一個過程。從應用角度來看，這種沖突應該極難發生，并且相比隨機的哈希沖突來看還是很良性的。

(3) 為什么通過LoRA微調將新知識融入現有知識體系過程的中，既不需要新知識特別多的樣本，同時學習后原有的龐大知識和能力可以不受影響呢？這么優良的特性是怎么發生的？

實際上我們這個用LoRA算法來微調LLM注入新知識的過程 和 標準的使用LoRA算法微調StableDiffusion 煉制一個新角色或者煉制一種新畫風的過程非常的類似。

無論從原理還是結果上，都是只需要很少的新知識的樣本，同時學習后模型原有的龐大知識和能力基本不受影響。

這個事情的發生確實非常的神奇，非常的美妙，使得我們不得不思考一下背后的原因。

我猜想這個美妙特性的發生是三個要素協同作用的結果。

第一個要素是輸入的區分性。

在我們的例子中，我們的新知識的輸入通過一個關鍵詞'夢中情爐'來和已有知識體系進行區分。

在StableDiffusion微調煉制新角色也是如此，你需要為你的新角色創建一個獨特的名字。

如果在輸入上無法明顯地區分新舊知識，那么這種和平融入就無法發生，會產生嚴重的沖突。

第二個要素是預訓練模型的抗破壞性。

現在的大部分模型都引入了ResNet結構。擁有ResNet結構的模型本質上屬于多個子模型的集成模型。

即使你隨機地改變其中一些層的權重，整個模型的輸出不會有太大的變化。

同時，訓練過程中還使用了dropout，使得模型的抗破壞性進一步增強。

對于舊知識對應的那些輸入，即使有些本來相關的權重矩陣被新知識的微調隨機地破壞了，輸出也幾乎不會受到影響。

第三個要素是LoRA的正則性。

LoRA微調的思想是學習兩個小的低秩矩陣，用它們的乘積來作為大的參數矩陣需要改變的增量。

這個將增量參數矩陣低秩分解的過程實際上引入了很強的正則性。一方面減少了模型訓練的難度，讓模型更快地收斂。

同時它可能在一定程度上，也會降低學習新知識的過程中過度調整模型權重，對舊知識產生影響的風險。

但和第一個要素和第二個要素不同，這個特性對降低新舊知識的沖突應該不是最核心的，全參數微調往往也能夠和平融合新舊知識。