目录
一.引言
LLM 使用过程中最常用方法之一就是通过 LoRA 基于自己的数据对大模型进行微调，本文简单介绍 LoRA 原理以及如何合并多个 LoRA 模型并保存。
peft==0.4.0
transformers==4.29.1二.LoRA
1.LoRA 简介
LoRA 是一种消耗较少内存同时加速大型模型微调的技术。
为了使得微调更有效，LoRA 的方法是通过低秩分解两个较小的矩阵 [称为更新矩阵] 用于参数更新。在维持较少更新参数的基础上，训练并适应新的微调数据。原始参数 W 保持冻结，不会进行更新训练。该方法有如下优点：
◆ LoRA 通过大幅减少可训练参数数量，使微调更加效率。
◆ 基于 LoRA 的轻便型，可以构建多个轻量级 LoRA 模型用于不同下游任务
◆ LoRA 与许多其他参数有效方法正交，并且可以与其结合。
◆ 使用 LoRA 进行微调的模型的性能与完全微调模型的性能相当。
◆ LoRA 几乎不添加任何推理延迟，因为适配器权重可以与基本模型合并。
2.LoRA 参数
原则上，LoRA 可以应用于神经网络中权重矩阵的任何子集，以减少可训练参数的数量。然而，为了简化和进一步提高参数效率，在 Transformer 模型中，LoRA 通常仅应用于注意力块。LoRA 模型中可训练参数的结果数量取决于低秩更新矩阵的大小，其主要由秩 r 和原始权重矩阵的形状确定。实际使用过程中，通过选择不同的 lora_target 决定训练的参数量，以 LLama 为例：
--lora_target q_proj,k_proj,v_proj,o_proj,gate_proj,up_proj,down_proj \可以通过 numel 方法获取张量中参数的数量和 requires_grad 方法获取模型张量是否进行梯度计算来计算可训练参数的比例：
# 打印可训练参数
def print_trainable_params(model: torch.nn.Module) -> None:
trainable_params, all_param = 0, 0
for param in model.parameters():
num_params = param.numel()
# if using DS Zero 3 and the weights are initialized empty
if num_params == 0 and hasattr(param, "ds_numel"):
num_params = param.ds_numel
all_param += num_params
if param.requires_grad:
trainable_params += num_params
print("trainable params: {:d} || all params: {:d} || trainable%: {:.4f}".format(
trainable_params, all_param, 100 * trainable_params / all_param))3.LoRA 合并
在训练过程中，较小的权重矩阵 A、B 是分开的。但一旦训练完成，权重实际上可以合并到一个相同的新权重矩阵中。虽然 LoRA 明显更小，训练速度更快，但由于分别加载基本模型和 LoRA 模型，可能会在推理过程中遇到延迟问题。为了消除延迟，可以使用 merge_and_unload 函数将适配器权重与基本模型合并，这样可以有效地将新合并的模型用作独立模型。同时也可以合并多个 LoRA 模型，使得 Base Model 同时具备多个任务处理能力。
训练时原始参数 W 保持不动，更新矩阵 A/B。合并时 W-merged = W + BA 代替原有的 W。
from transformers import AutoConfig, AutoTokenizer, AutoModelForCausalLM, TextIteratorStreamer, GenerationConfig
from peft import PeftModel
# 载入预训练模型
tokenizer = AutoTokenizer.from_pretrained(base_model, use_fast=True, padding_side="left", **config_kwargs)
print("Tokenizer Load Success!")
config = AutoConfig.from_pretrained(base_model, **config_kwargs)
# Load and prepare pretrained models (without valuehead).
model = AutoModelForCausalLM.from_pretrained(
base_model,
config=config,
torch_dtype=torch.float16,
low_cpu_mem_usage=True,
trust_remote_code=True,
revision='main'
)
print('origin config =', model.config)
# 模型合并
ckpt_list = ["checkpoint-1000", "checkpoint-2000", "checkpoint-3000"]
for checkpoint in ckpt_list:
print('Merge checkpoint: {}'.format(checkpoint))
model = PeftModel.from_pretrained(model, os.path.join(lora_model, checkpoint))
model = model.merge_and_unload()
print('merge config =', model.config)通过 merge_and_unlaod 方法可以合并多个 Lora 模型，这里博主尝试将同一个模型的 3 个 CKPT 合并至原始模型中。通过合并不同类型任务的 CKPT，原始模型可以同时具备多种下游任务的能力且推理效率不会受影响。
4.LoRA 保存
import torch
from peft import PeftModel
from transformers import AutoTokenizer, AutoModelForCausalLM, LlamaTokenizer
def apply_lora(model_name_or_path, output_path, lora_path):
print(f"Loading the base model from {model_name_or_path}")
base = AutoModelForCausalLM.from_pretrained(
model_name_or_path, torch_dtype=torch.float16, low_cpu_mem_usage=True
)
base_tokenizer = LlamaTokenizer.from_pretrained(model_name_or_path)
print(f"Loading the LoRA adapter from {lora_path}")
lora_model = PeftModel.from_pretrained(
base,
lora_path,
torch_dtype=torch.float16,
)
print("Applying the LoRA")
model = lora_model.merge_and_unload()
print(f"Saving the target model to {output_path}")
model.save_pretrained(output_path)
base_tokenizer.save_pretrained(output_path)使用 merge_and_unload 方法进行参数合并，再调用 save_pretrained 方法进行模型保存。可以看到保存前后模型大小几乎没有变化。
三.总结
合并多个 LoRA 模型也可能对模型的原始能力造成影响，大家可以根据需求测试与尝试。
参考：
- LoRA https://huggingface.co/docs/peft/conceptual_guides/lora
- PEFT Models