大模型LLaMA及其Finetune方法

圆圆的算法笔记

发布于 2023-08-17 00:39:05

1.3K0

这篇文章介绍了近年最火的预训练大模型之一LLaMA，以及如何对它进行finetune，以应用到下游NLP、多模态等任务中，也包括如何降低finetune的资源开销，实现高性价比的大模型应用。

1、LLaMA大模型

LLaMA是今年2月份由MetaAI提出的一组预训练大模型，相关论文为LLaMA: Open and Efficient Foundation Language Models。LLaMA完全基于开源数据进行训练，实现了超越GPT3的效果。LLaMA包括多种尺寸的大模型，从7B到65B。

LLaMA的模型结构主体仍然是Transformer，基于Transformer融合了一些之前工作的优化点。这些优化点包括如下几个方面：

Pre-normalization：对Transformer每层的输入使用RMSNorm进行标准化

SwiGLU activation function：使用SwiGLU激活函数替代原来的ReLU激活函数

Rotary Embeddings：使用rotary positional embeddings（旋转式位置编码）替代原来的绝对位置编码

在优化器上，使用AdamW，并且使用了cosine learning rate schedule，学习结束阶段的学习率为初始的10%，使用梯度裁剪小于1，以及2000的warmup step。

2、Instruction Tuning LLaMA

Stanford alpaca对LLaMA采用Instruction Tuning的方式对LLaMA进行finetune，让其适配下游任务。Instruction Tuning的核心是将各类NLP任务转换成自然语言的形式，构造任务的Instruction-output对，将其输入大模型中finetune大模型参数。

具体的样本构造上，首先生成175个基础的Instruction-output对，然后将其输入到GPT-3.5中，让GPT-3.5对这些数据进行扩展，最终得到52k的训练数据，使用这些数据finetuenLLaMA-7B，最终得到的模型效果达到了接近GPT-3.5的效果。

3、高效LLaMA Finetune

上面方法的finetune效果非常惊人，能够利用GPT-3.5的数据让finetune后的LLaMA取得近乎持平的效果。但是存在的问题是这种finetune方式仍然代价较高，需要对大模型的全量参数进行finetune，运行效率较低，一般的组织也没有这种finetune大模型全量参数的资源。

高效finetune的方法已经有很多历史研究，利用Adapter系列方法，在之前的文章中也进行过详细介绍。LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-init Attention这篇文章提出利用Adapter的思路进行LLaMA的finetune，只用8个A100 GPU，finetune1.2M的参数，就能达到接近全量finetune的效果。

LLaMA-Adapter仍然使用和Stanford alpaca相同的52k的Instruction-Output对进行finetune。区别在于，本文会将预训练LLaMA的参数冻结，通过增加prefix-prompt的方式进行finetune。这里增加的prefix-prompt是可学习的参数，也是finetune要优化的参数，它们被拼接到输入token的起始位置。这里只在最后的几层Transformer使用这些prompt，以此提升对高阶语义的理解能力。

由于增加的Prompt向量是随机初始化的，训练的开始阶段这些prompt向量训练不充分，在进行attention时可能会对后续token的信息造成负面影响。为了解决这个问题，文中提出了一种Zero-init Attention的方式。Zero-init Attention在计算attention时，使用一个门控网路对prompt向量的信息进行选择，在初始时使用较小的权重，减少其对整个序列的影响。

4、多模态LLaMA Finetune

本文还进一步将LLaMA应用到多模态任务中。应用方法为，使用一个Visual Encoder，例如CLIP，对输入的图像进行编码。然后将这个编码通过一个projection层映射后，加到Adapter中的prompt向量上，再利用上述的方法进行LLaMA的finetune。通过这种方式，可以让LLaMA适应多模态任务，根据图像信息进行表示生成。