做网站怎么做小图标,鹤岗市城乡建设局网站,做网站要买什么类型云空间,深圳市宝安区石岩街道大模型 | NEFTune之引入随机噪声对大模型训练的收益
paper中提到#xff0c;在模型foward过程中#xff0c;对inputs_embedding增加适度的随机噪声#xff0c;会带来显著的收益。
Paper: https://arxiv.org/pdf/2310.05914.pdf Github: https://github.com/neelsjain/NEFT…大模型 | NEFTune之引入随机噪声对大模型训练的收益
paper中提到在模型foward过程中对inputs_embedding增加适度的随机噪声会带来显著的收益。
Paper: https://arxiv.org/pdf/2310.05914.pdf Github: https://github.com/neelsjain/NEFTune 文章目录 大模型 | NEFTune之引入随机噪声对大模型训练的收益理论一. 实践方法1.1 等待Hugging发布该功能1.2 直接封装model1.3 改写compute_loss 理论
核心是输入经过Embedding层后再加入一个均匀分布的噪声噪声的采样范围为 [ − α L d , α L d ] [-\frac{\alpha}{\sqrt{Ld}},\frac{\alpha}{\sqrt{Ld}}] [−Ld α,Ld α]之间其中 α \alpha α为噪声超参L为输入长度d为Embedding层维度(即hidden维度) 在AlpacaEval榜单上利用GPT4作为评分器在多个数据上微调Llama2-7B模型NEFTune方法相较于直接微调方法均有显著提高。 可以缓解模型在指令微调阶段的过拟合现象可以更好的利用预训练阶段的知识内容。
一. 实践方法
1.1 等待Hugging发布该功能
进度等待hugging face正式发布此功能2023-10-26
[10/17/2023] NEFTune has been intregrated into the Huggingface’s TRL (Transformer Reinforcement Learning) library. See Annoucement.
1.2 直接封装model
进度直接对模型进行如下封装原理是对model.embed_tokens.forward()进行改写经实践这种方法不管用会报堆栈溢出的error。
from torch.nn import functional as Fdef NEFTune(model, noise_alpha5)def noised_embed(orig_embed, noise_alpha):def new_func(x):# during training, we add noise to the embedding# during generation, we dont add noise to the embeddingif model.training:embed_init orig_embed(x)dims torch.tensor(embed_init.size(1) * embed_init.size(2))mag_norm noise_alpha/torch.sqrt(dims)return embed_init torch.zeros_like(embed_init).uniform_(-mag_norm, mag_norm)else:return orig_embed(x)return new_func##### NOTE: this is for a LLaMA model ##### ##### For a different model, you need to change the attribute path to the embedding #####model.base_model.model.model.embed_tokens.forward noised_embed(model.base_model.model.model.embed_tokens, noise_alpha)return model1.3 改写compute_loss
进度loss能够正常计算但optimzer会报错可能与精度有关尚未解决
由于损失函数是自己写的因此尝试在model(**input)前追加噪声代码。注意原先传入model的是input_ids而当下由于我们将inputs_embeds增加了噪声因此传入model的将直接替换为inputs_embeds代码如下
class TargetLMLossNeft(Loss):def __init__(self, ignore_index):super().__init__()self.ignore_index ignore_indexself.loss_fn nn.CrossEntropyLoss(ignore_indexignore_index)def __call__(self, model, inputs, training_args, return_outputsFalse):input_ids inputs[input_ids] # B x L [3, 964]attention_mask inputs[attention_mask] # B x L target_mask inputs[target_mask] # B x L### ----------------------------- add noise to embedsneftune_alpha 5embed_device model.base_model.model.model.embed_tokens.weight.deviceembeds_init model.base_model.model.model.embed_tokens.forward(input_ids).to(embed_device) # 先forward一下, 变成B X L X hidden_state# embed_device model.model.embed_tokens.weight.device# embeds_init model.model.embed_tokens.forward(input_ids).to(embed_device)input_mask attention_mask.to(embeds_init) # B x Linput_lengths torch.sum(input_mask, 1) # B, 计算每个sample的实际长度noise_ torch.zeros_like(embeds_init).uniform_(-1,1) # B X L X hidden_state, 且值域在[-1,1]正态分布delta noise_ * input_mask.unsqueeze(2) # 追加一个维度由B X L 变成 B X L X hidden_statedims input_lengths * embeds_init.size(-1)mag neftune_alpha / torch.sqrt(dims)delta (delta * mag.view(-1, 1, 1)).detach() # B X L X hidden_stateinputs_embeds delta embeds_init### ----------------------------- add noise to embeds# 模型前馈预测, 原来传入的是input_ids而现在需要直接将增加了noise的inputs_embeds传入# outputs model(input_idsinput_ids, attention_maskattention_mask, return_dictTrue)outputs model(inputs_embedsinputs_embeds, attention_maskattention_mask, return_dictTrue)logits outputs[logits] if isinstance(outputs, dict) else outputs[0] # 正常应该是torch.float32#logits.requires_grad True # 奇怪为什么这里会默认为False, 难道是因为上边的detach()# 将labels中不属于target的部分设为ignore_index只计算target部分的losslabels torch.where(target_mask 1, input_ids, self.ignore_index)shift_logits logits[..., :-1, :].contiguous()shift_labels labels[..., 1:].contiguous()# Flatten the tokensloss self.loss_fn(shift_logits.view(-1, shift_logits.size(-1)), shift_labels.view(-1)) # float32loss.requires_grad Truereturn (loss, outputs) if return_outputs else loss
