背景介绍
本实验旨在对大规模语言模型进行微调，以适应有限的GPU计算能力（单张P100）。通过采用LoRA方法，我们可以高效地对模型进行调整，以便进一步应用于后续课程项目的开发。实验基于Llama2-7B模型进行，要求模型根据给定的金融新闻内容进行情感分析，并以文字形式输出新闻的情感类别："positive"、"neutral"或"negative"。
为了进行实验，我们需要安装一些必要的包。其中，peft是一个包含了我们在本实验中将使用的LoRA方法的包。通过添加一些额外的参数，peft能够有效地对大规模的语言模型进行微调，以适应各种下游任务。另一个包是bitsandbytes，它提供了对模型进行4-bit量化的支持，这样可以进一步减少显存的使用，节省资源。
perl
1# 安装 PyTorch 版本 2.1.2
2!pip install -q -U "torch==2.1.2"
3# 安装 TensorBoard
4!pip install -q -U tensorboard
5# 安装 transformers 版本 4.36.2
6!pip install -q -U "transformers==4.36.2"
7# 安装 datasets 版本 2.16.1
8!pip install -q -U "datasets==2.16.1"
9# 安装 accelerate 版本 0.26.1
10!pip install -q -U "accelerate==0.26.1"
11# 安装 bitsandbytes 版本 0.42.0
12!pip install -q -U "bitsandbytes==0.42.0"
13# 安装 huggingface/trl 仓库
14!pip install -q -U git+https://github.com/huggingface/trl@a3c5b7178ac4f65569975efadc97db2f3749c65e
15# 安装 huggingface/peft 仓库
16!pip install -q -U git+https://github.com/huggingface/peft@4a1559582281fc3c9283892caea8ccef1d6f5a4f数据集说明
FinancialPhraseBank数据集是由Aalto University School提供的，用于金融新闻情感分类。该数据集包含5000条新闻，由16名行业专家进行了分析，以判断其对股价的影响是正面、负面还是中性。每条数据都由两部分组成：Sentiment和News Headline。Sentiment是根据News Headline的内容，由专家给出的情感判断。
ini
1# 导入pandas库并为其设置别名为pd
2import pandas as pd
3
4# 定义文件名，这里是一个CSV文件的路径
5filename = "../input/sentiment-analysis-for-financial-news/all-data.csv"
6
7# 使用pandas的read_csv函数读取CSV文件，并将其存储在名为df的DataFrame中
8# 为列指定名称，分别为"Sentiment"和"News Headline"
9# 设置文件编码为utf-8，遇到编码错误时替换为"replace"
10df = pd.read_csv(filename,
11 names=["Sentiment", "News Headline"],
12 encoding="utf-8", encoding_errors="replace")
13
14# 设置pandas显示的最大列宽为100
15pd.set_option('max_colwidth', 100)
16
17# 显示DataFrame的前几行数据
18df.head()| Sentiment | News Headline | |
|---|---|---|
| 0 | neutral | According to Gran , the company has no plans to move all production to Russia , although that is... |
| 1 | neutral | Technopolis plans to develop in stages an area of no less than 100,000 square meters in order to... |
| 2 | negative | The international electronic industry company Elcoteq has laid off tens of employees from its Ta... |
| 3 | positive | With the new production plant the company would increase its capacity to meet the expected incre... |
| 4 | positive | According to the company 's updated strategy for the years 2009-2012 , Basware targets a long-te... |
LoRA微调实验
python
1# 导入所需库
2import os
3os.environ["CUDA_VISIBLE_DEVICES"] = "0" # 设置GPU设备可见性为0
4os.environ["TOKENIZERS_PARALLELISM"] = "false" # 禁用分词器并行化
5import warnings
6warnings.filterwarnings("ignore") # 忽略警告信息
7import numpy as np
8import pandas as pd
9import os
10from tqdm import tqdm
11import bitsandbytes as bnb
12import torch
13import torch.nn as nn
14import transformers
15from datasets import Dataset
16from peft import LoraConfig, PeftConfig
17from trl import SFTTrainer
18from trl import setup_chat_format
19from transformers import (AutoModelForCausalLM,
20 AutoTokenizer,
21 BitsAndBytesConfig,
22 TrainingArguments,
23 pipeline,
24 logging)
25from sklearn.metrics import (accuracy_score,
26 classification_report,
27 confusion_matrix)
28from sklearn.model_selection import train_test_split
29device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") # 设置设备为GPU或CPU
30print(f"working on {device}") # 打印当前使用的设备working on cuda:0
数据集清洗和拆分
在实验中，我们首先为数据添加了一个特定的提示（prompt），以便模型更好地理解任务和输出格式。这个提示是："分析方括号内新闻标题的情感，确定它是正面、中性还是负面，并将答案作为相应的情感标签返回，如'positive'（正面）、'neutral'（中性）或'negative'（负面）"。
由于训练时间成本较高，我们在本实验中仅选取了每种情感类型的300条数据进行训练和测试。此外，我们还从未见过的各50条不同情感的数据中挑选了一些用于训练时的验证。
本实验旨在简要展示LoRA微调的方法及其效果。
ini
1# 导入所需的库
2import pandas as pd
3from sklearn.model_selection import train_test_split
4from datasets import Dataset
5
6# 读取数据文件
7filename = "../input/sentiment-analysis-for-financial-news/all-data.csv"
8df = pd.read_csv(filename,
9 names=["sentiment", "text"],
10 encoding="utf-8", encoding_errors="replace")
11
12# 初始化训练集和测试集列表
13X_train = list()
14X_test = list()
15
16# 遍历情感类别，将数据分为训练集和测试集
17for sentiment in ["positive", "neutral", "negative"]:
18 train, test = train_test_split(df[df.sentiment == sentiment],
19 train_size=300,
20 test_size=300,
21 random_state=42)
22 X_train.append(train)
23 X_test.append(test)
24
25# 合并训练集和测试集
26X_train = pd.concat(X_train).sample(frac=1, random_state=10)
27X_test = pd.concat(X_test)
28
29# 获取评估集
30eval_idx = [idx for idx in df.index if idx not in list(train.index) + list(test.index)]
31X_eval = df[df.index.isin(eval_idx)]
32X_eval = (X_eval
33 .groupby('sentiment', group_keys=False)
34 .apply(lambda x: x.sample(n=50, random_state=10, replace=True)))
35X_train = X_train.reset_index(drop=True)
36
37# 定义生成提示的函数
38def generate_prompt(data_point):
39 return f"""
40 Analyze the sentiment of the news headline enclosed in square brackets,
41 determine if it is positive, neutral, or negative, and return the answer as
42 the corresponding sentiment label "positive" or "neutral" or "negative".
43
44 [{data_point["text"]}] = {data_point["sentiment"]}
45 """.strip()
46
47# 定义生成测试提示的函数
48def generate_test_prompt(data_point):
49 return f"""
50 Analyze the sentiment of the news headline enclosed in square brackets,
51 determine if it is positive, neutral, or negative, and return the answer as
52 the corresponding sentiment label "positive" or "neutral" or "negative".
53
54 [{data_point["text"]}] = """.strip()
55
56# 为训练集、评估集和测试集生成提示
57X_train = pd.DataFrame(X_train.apply(generate_prompt, axis=1), columns=["text"])
58X_eval = pd.DataFrame(X_eval.apply(generate_prompt, axis=1), columns=["text"])
59y_true = X_test.sentiment
60X_test = pd.DataFrame(X_test.apply(generate_test_prompt, axis=1), columns=["text"])
61
62# 将数据集转换为Hugging Face的Dataset格式
63train_data = Dataset.from_pandas(X_train)
64eval_data = Dataset.from_pandas(X_eval)评测方法
将情感分类结果转化为数字表示，其中2代表正面情绪，1代表中立情绪，0代表负面情绪。通过计算准确率和生成混淆矩阵来评估分类结果的性能。
ini
1def evaluate(y_true, y_pred):
2 # 定义标签和映射关系
3 labels = ['positive', 'neutral', 'negative']
4 mapping = {'positive': 2, 'neutral': 1, 'none':1, 'negative': 0}
5
6 # 定义映射函数
7 def map_func(x):
8 return mapping.get(x, 1)
9
10 # 将真实标签和预测标签进行映射
11 y_true = np.vectorize(map_func)(y_true)
12 y_pred = np.vectorize(map_func)(y_pred)
13
14 # 计算准确率
15 accuracy = accuracy_score(y_true=y_true, y_pred=y_pred)
16 print(f'Accuracy: {accuracy:.3f}')
17
18 # 生成准确率报告
19 unique_labels = set(y_true) # 获取唯一标签
20
21 for label in unique_labels:
22 label_indices = [i for i in range(len(y_true)) if y_true[i] == label]
23 label_y_true = [y_true[i] for i in label_indices]
24 label_y_pred = [y_pred[i] for i in label_indices]
25 accuracy = accuracy_score(label_y_true, label_y_pred)
26 print(f'Accuracy for label {label}: {accuracy:.3f}')
27
28 # 生成分类报告
29 class_report = classification_report(y_true=y_true, y_pred=y_pred)
30 print('\nClassification Report:')
31 print(class_report)
32
33 # 生成混淆矩阵
34 conf_matrix = confusion_matrix(y_true=y_true, y_pred=y_pred, labels=[0, 1, 2])
35 print('\nConfusion Matrix:')
36 print(conf_matrix)原始模型的简单测试
首先，我们将对Llama 7b模型进行评估，以了解其在特定任务上的性能。为了节省显存资源，我们将使用bitsandbytes工具对模型进行量化处理。在实验过程中，我们选择较低的temperature值以降低生成结果的随机性。此外，我们还通过识别关键词来判断模型对新闻的情感分类。例如，如果输出中包含"positive"，则我们认为结果为"positive"。
ini
1# 导入所需的库和模块
2import torch
3from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig, pipeline
4from tqdm import tqdm
5
6# 设置模型名称和计算类型
7model_name = "/kaggle/input/llama2-7b-hf/Llama2-7b-hf"
8compute_dtype = getattr(torch, "float16")
9
10# 设置BitsAndBytes配置
11bnb_config = BitsAndBytesConfig(
12 load_in_4bit=True,
13 bnb_4bit_quant_type="nf4",
14 bnb_4bit_compute_dtype=compute_dtype,
15 bnb_4bit_use_double_quant=True,
16)
17
18# 从预训练模型中加载模型
19model = AutoModelForCausalLM.from_pretrained(
20 model_name,
21 device_map=device,
22 torch_dtype=compute_dtype,
23 quantization_config=bnb_config,
24)
25
26# 禁用缓存并设置预训练任务类型
27model.config.use_cache = False
28model.config.pretraining_tp = 1
29
30# 从预训练模型中加载分词器
31tokenizer = AutoTokenizer.from_pretrained(model_name,
32 trust_remote_code=True,
33 )
34tokenizer.pad_token = tokenizer.eos_token
35tokenizer.padding_side = "right"
36
37# 设置聊天格式
38model, tokenizer = setup_chat_format(model, tokenizer)
39
40# 定义预测函数
41def predict(test, model, tokenizer):
42 y_pred = [] # 初始化预测结果列表
43 for i in tqdm(range(len(X_test))): # 遍历测试数据
44 prompt = X_test.iloc[i]["text"] # 获取当前样本的文本
45 pipe = pipeline(task="text-generation", # 创建文本生成管道
46 model=model,
47 tokenizer=tokenizer,
48 max_new_tokens=1,
49 temperature=0.0,
50 )
51 result = pipe(prompt) # 使用管道进行文本生成
52 answer = result[0]['generated_text'].split("=")[-1] # 提取生成的答案
53 if "positive" in answer: # 根据答案判断情感倾向
54 y_pred.append("positive")
55 elif "negative" in answer:
56 y_pred.append("negative")
57 elif "neutral" in answer:
58 y_pred.append("neutral")
59 else:
60 y_pred.append("none")
61 return y_pred # 返回预测结果列表
62
63# 调用预测函数进行预测
64y_pred = predict(test, model, tokenizer)100%|██████████| 900/900 [05:28<00:00, 2.74it/s]
原始模型的预测效果并不理想，其倾向于做出中立的预测，很少给出积极或消极的结论。
less
1evaluate(y_true, y_pred)
2Accuracy: 0.373
3Accuracy for label 0: 0.027
4Accuracy for label 1: 0.937
5Accuracy for label 2: 0.157
6
7Classification Report:
8 precision recall f1-score support
9
10 0 0.89 0.03 0.05 300
11 1 0.34 0.94 0.50 300
12 2 0.67 0.16 0.25 300
13
14 accuracy 0.37 900
15 macro avg 0.63 0.37 0.27 900
16weighted avg 0.63 0.37 0.27 900
17
18Confusion Matrix:
19[[ 8 287 5]
20 [ 1 281 18]
21 [ 0 253 47]]现在开始对模型进行微调
基于LoRA技术，我们针对大规模语言模型进行了参数高效微调（PEFT）。以下是部分关键参数的说明：
-
LoRA参数：
- lora_alpha：新增的LoRA参数的缩放系数。
- lora_dropout：新增的LoRA参数的dropout概率。
- r：LoRA矩阵的秩。
-
训练参数：
- Learning_rate：学习率，由于LoRA是新增的参数，通常需要设置较大的学习率。
- gradient_accumulation_steps：由于P100在训练时仅能处理一条数据，因此需要设置较大的累计值。
- num_train_epochs：训练的epochs，由于时间限制，本次仅进行了1个epoch的训练。在大模型LoRA或全参微调时，一般建议进行2个epoch的训练，此时valid loss最低；进行3个epoch的训练，模型可能会略微过拟合，但在评测数据上表现最优。
ini
1# 设置训练权重的输出目录
2output_dir = "trained_weights"
3
4# 配置Lora（局部线性自适应）参数
5peft_config = LoraConfig(
6 lora_alpha=16, # Lora的alpha值，用于控制模型的大小
7 lora_dropout=0.1, # Lora的dropout率，用于防止过拟合
8 r=64, # Lora的rank值，用于控制模型的复杂度
9 bias="none", # 不使用偏置项
10 target_modules="all-linear", # 应用Lora的目标模块，这里设置为所有线性层
11 task_type="CAUSAL_LM", # 任务类型，这里设置为因果语言模型
12)
13
14# 设置训练参数
15training_arguments = TrainingArguments(
16 output_dir=output_dir, # 训练权重的输出目录
17 num_train_epochs=1, # 训练轮数
18 per_device_train_batch_size=1, # 每个设备的训练批次大小
19 gradient_accumulation_steps=8, # 梯度累积步数
20 gradient_checkpointing=True, # 使用梯度检查点来节省内存
21 optim="paged_adamw_32bit", # 优化器
22 save_steps=0, # 保存步骤
23 logging_steps=25, # 日志记录步数
24 learning_rate=2e-4, # 学习率
25 weight_decay=0.001, # 权重衰减
26 fp16=True, # 使用半精度浮点数进行训练
27 bf16=False, # 不使用混合精度浮点数进行训练
28 max_grad_norm=0.3, # 最大梯度范数
29 max_steps=-1, # 最大步数
30 warmup_ratio=0.03, # 预热比例
31 group_by_length=True, # 根据序列长度分组
32 lr_scheduler_type="cosine", # 使用余弦学习率调度器
33 report_to="tensorboard", # 将指标报告给TensorBoard
34 evaluation_strategy="epoch" # 每轮结束后保存检查点
35)
36
37# 创建SFTTrainer对象，用于训练和评估模型
38trainer = SFTTrainer(
39 model=model, # 模型
40 args=training_arguments, # 训练参数
41 train_dataset=train_data, # 训练数据集
42 eval_dataset=eval_data, # 评估数据集
43 peft_config=peft_config, # Lora配置
44 dataset_text_field="text", # 数据集中的文本字段
45 tokenizer=tokenizer, # 分词器
46 max_seq_length=1024, # 最大序列长度
47 packing=False, # 不使用packing
48 dataset_kwargs={
49 "add_special_tokens": False, # 不添加特殊标记
50 "append_concat_token": False, # 不追加连接标记
51 }
52)
53
54# 训练模型
55trainer.train()
56
57# 保存训练好的模型和分词器
58trainer.save_model()
59tokenizer.save_pretrained(output_dir)模型的保存与合并
在LoRA的训练方式中，我们仅保存了LoRA部分的参数，而非整个模型。因此，在实际使用过程中，我们需要将这部分参数与原始LLama模型进行合并。
python
1# 清理内存开销
2import gc
3
4# 删除不再使用的变量
5del [model, tokenizer, peft_config, trainer, train_data, eval_data, bnb_config, training_arguments]
6del [df, X_train, X_eval]
7del [TrainingArguments, SFTTrainer, LoraConfig, BitsAndBytesConfig]
8
9# 清空GPU缓存并强制进行垃圾回收
10for _ in range(100):
11 torch.cuda.empty_cache()
12 gc.collect()为了查看GPU显存占用，由于Kaggle环境位于容器内部，我们无法直接查看相关进程。然而，我们可以观察到显存的使用情况。
ini
1!nvidia-smi
2Mon Apr 15 08:48:41 2024
3+---------------------------------------------------------------------------------------+
4| NVIDIA-SMI 535.129.03 Driver Version: 535.129.03 CUDA Version: 12.2 |
5|-----------------------------------------+----------------------+----------------------+
6| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
7| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
8| | | MIG M. |
9|=========================================+======================+======================|
10| 0 Tesla P100-PCIE-16GB Off | 00000000:00:04.0 Off | 0 |
11| N/A 57C P0 44W / 250W | 1926MiB / 16384MiB | 0% Default |
12| | | N/A |
13+-----------------------------------------+----------------------+----------------------+
14
15+---------------------------------------------------------------------------------------+
16| Processes: |
17| GPU GI CI PID Type Process name GPU Memory |
18| ID ID Usage |
19|=======================================================================================|
20+---------------------------------------------------------------------------------------+
21# 导入所需的库和模块
22from peft import AutoPeftModelForCausalLM
23import torch
24from transformers import AutoTokenizer
25
26# 设置模型的路径和计算类型
27finetuned_model = "./trained_weigths/"
28compute_dtype = getattr(torch, "float16")
29
30# 加载预训练的分词器
31tokenizer = AutoTokenizer.from_pretrained("/kaggle/input/llama2-7b-hf/Llama2-7b-hf")
32
33# 从预训练的模型中创建AutoPeftModelForCausalLM实例
34model = AutoPeftModelForCausalLM.from_pretrained(
35 finetuned_model,
36 torch_dtype=compute_dtype,
37 return_dict=False,
38 low_cpu_mem_usage=True,
39 device_map=device,
40)
41
42# 合并模型并卸载原始模型
43merged_model = model.merge_and_unload()
44
45# 保存合并后的模型和分词器到指定路径
46merged_model.save_pretrained("./merged_model",safe_serialization=True, max_shard_size="2GB")
47tokenizer.save_pretrained("./merged_model")LoRA微调模型并测试
经过一轮训练周期的微调，Llama模型已经能够实现80%的准确率。这一结果充分证明了LoRA的微调策略对于大型语言模型具有显著的优化效果。
yaml
1# 使用预测函数对测试数据进行预测，得到预测结果 y_pred
2y_pred = predict(test, merged_model, tokenizer)
3# 使用评估函数对真实标签 y_true 和预测结果 y_pred 进行评估
4evaluate(y_true, y_pred)
5100%|██████████| 900/900 [03:49<00:00, 3.93it/s]
6
7Accuracy: 0.817
8Accuracy for label 0: 0.967
9Accuracy for label 1: 0.647
10Accuracy for label 2: 0.837
11
12Classification Report:
13 precision recall f1-score support
14
15 0 0.91 0.97 0.94 300
16 1 0.80 0.65 0.71 300
17 2 0.74 0.84 0.79 300
18
19 accuracy 0.82 900
20 macro avg 0.82 0.82 0.81 900
21weighted avg 0.82 0.82 0.81 900
22
23Confusion Matrix:
24[[290 8 2]
25 [ 22 194 84]
26 [ 7 42 251]]如果想自己动手实战的朋友，考虑参考我的代码 www.kaggle.com/code/wuxiog...
原创声明：本文为本人原创作品，首发于AI ONES wuxiongwei.com，如果转载，请保留本文链接，谢谢。