PET,Prompt Tuning,P Tuning,Lora,Qlora 大模型微调的简介

概览

到2025年，虽然PET（Pattern-Exploiting Training）和Prompt Tuning在学术界仍有探讨，但在工业和生产环境中它们已基本被LoRA/QLoRA等参数高效微调（PEFT）方法取代 。LoRA因其实现简单、推理零开销，并能在大规模模型上以极少量参数达到与全量微调相当的效果，已成为最受欢迎的PEFT技术 。QLoRA在此基础上再结合4-bit量化，使得即便是65B级模型也能在单块48 GB GPU上完成微调，内存占用降低近3倍，性能几乎无损 。

---

1 PET 与 Prompt Tuning ,P-Tuning 的现状

1.1 PET（Pattern-Exploiting Training）

PET于2021年在EACL提出，通过“Pattern + Verbalizer Pair”（PVP）将分类和推理任务转换为完形填空问题来利用预训练模型 。

然而，由于其需要手工设计模板、映射词表，且在真正生产环境中难以自动化部署，PET已很少在实际项目中使用，大多数团队已转向更为通用且自动化程度更高的PEFT方法 。所以懒得写PET了。直接看后面ptuning和lora，

---

1.2 Prompt Tuning

Prompt Tuning（又称Soft Prompt Tuning）在2021年提出，直接对输入端添加 L 个可训练嵌入向量，仅更新这部分参数来适配下游任务 。

尽管Prompt Tuning在少样本和学术基准上表现良好，但因其训练不稳定、对超大模型需要较长的收敛时间，故在商业产品中采用的越来越少，主要用于研究和小规模试验场景 。

 

---

说明：Prompt Tuning 直接将一段可训练的向量拼接到输入端，冻结主模型权重，仅优化这段“软提示”及下游头部参数。

# ——— 1. 准备模型 ——————————————————————————————
model = load_pretrained_model("bert-base-uncased")      # 加载预训练模型  [oai_citation:0‡ACL Anthology](https://aclanthology.org/2021.emnlp-main.243/?utm_source=chatgpt.com)
freeze_parameters(model)                                # 冻结所有模型参数# 初始化可训练的“软提示”向量 (L × H)
L = 20                                                  # Prompt 长度
H = model.config.hidden_size
prompt = RandomTensor(shape=(L, H), requires_grad=True) # 新增一个线性分类头
classifier = Linear(H, num_labels)                      # num_labels 为类别数optimizer = AdamW([prompt, *classifier.parameters()], lr=1e-3)# ——— 2. 训练循环 ——————————————————————————————
for epoch in range(num_epochs):for input_ids, labels in dataloader:# 2.1 获取原始 token embeddings → [B, N, H]emb = model.embeddings(input_ids)              # 2.2 在序列前拼接软提示 → [B, L+N, H]pref = prompt.unsqueeze(0).expand(emb.size(0), -1, -1)inputs_embeds = concat(pref, emb, dim=1)        # 2.3 仅给 embeddings，绕过原始 token‐to‐id 过程outputs = model.encoder(inputs_embeds)         # 2.4 取第 L 个位置的输出作为 “CLS” 表示 → [B, H]cls_repr = outputs[:, L, :]                     # 2.5 分类 & 计算损失logits = classifier(cls_repr)loss   = CrossEntropy(logits, labels)# 2.6 反向只更新 prompt 和分类头loss.backward()optimizer.step()optimizer.zero_grad()

1.3 P Tuning 

说明：P-Tuning 除了学习可训练提示向量外，还通过一个小型网络（如 LSTM 或 MLP）对提示向量进一步编码，稳定并提升少样本学习效果。

# ——— 1. 准备模型 ——————————————————————————————
model = load_pretrained_model("bert-base-uncased")      # 加载预训练模型  [oai_citation:3‡arXiv](https://arxiv.org/abs/2103.10385?utm_source=chatgpt.com)
freeze_parameters(model)                                # 冻结所有模型参数# 定义 L 个“伪 token”ID，对应潜在的提示 embedding
L          = 20
pseudo_ids = range(L)# 从模型 embedding table 提取初始向量 → [L, H]
H          = model.config.hidden_size
init_emb   = model.embeddings(pseudo_ids)              # 定义一个 Prompt Encoder（LSTM/MLP）将 init_emb 映射到最终 prompt_emb
prompt_encoder = LSTM(input_size=H, hidden_size=H)      # 新增分类头
classifier = Linear(H, num_labels)optimizer = AdamW([*prompt_encoder.parameters(), *classifier.parameters()], lr=1e-3)# ——— 2. 训练循环 ——————————————————————————————
for epoch in range(num_epochs):for input_ids, labels in dataloader:B, N = input_ids.size()# 2.1 用 Prompt Encoder 编码初始伪 token 嵌入 → [1, L, H]prompt_emb, _ = prompt_encoder(init_emb.unsqueeze(0))prompt_emb    = prompt_emb.expand(B, -1, -1)    # → [B, L, H]# 2.2 获取原始 token embeddings → [B, N, H]emb = model.embeddings(input_ids)# 2.3 拼接 prompt_emb 与 emb → [B, L+N, H]inputs_embeds = concat(prompt_emb, emb, dim=1)# 2.4 前向并行计算全序列输出outputs = model.encoder(inputs_embeds)# 2.5 取第 L 个位置的向量作为分类表示 → [B, H]cls_repr = outputs[:, L, :]# 2.6 分类 & 计算损失logits = classifier(cls_repr)loss   = CrossEntropy(logits, labels)# 2.7 反向仅更新 Prompt Encoder 与分类头loss.backward()optimizer.step()optimizer.zero_grad()

---

2 LoRA/QLoRA 的主导地位

2.1 LoRA（Low-Rank Adaptation）

LoRA于2021年问世，通过冻结Transformer的主干权重，在每层线性映射旁支注入两段低秩矩阵 A 与 B，仅训练 A,B，可训练参数量减少约10,000倍，且推理阶段无额外延迟 。

实际项目中，LoRA因其“插拔式”适配、易于在各种框架中集成（如Hugging Face PEFT、ColossalAI等），几乎成为所有PEFT管道的默认选择 。

# 1. 初始化
model = GPTForCausalLM.from_pretrained("gpt2")      # 加载预训练 GPT-2
freeze_parameters(model)                            # 冻结所有原有参数# 2. 注入 LoRA 适配器
r = 8                                               # 低秩矩阵秩 rank
alpha = 16                                          # 缩放因子
for layer in model.transformer.h:                   # 遍历 Transformer 每一层# 拦截自注意力和前馈层的 Linearfor name in ["c_attn", "c_proj", "mlp.c_fc", "mlp.c_proj"]:W = getattr(layer, name)                    # 原线性层# 保存原权重，用于推理时合并W.requires_grad = False                      # 新增 A、B 两段可训练矩阵A = nn.Parameter(torch.randn(W.in_features, r) * 0.01)B = nn.Parameter(torch.zeros(r, W.out_features))layer.register_parameter(f"{name}_lora_A", A)layer.register_parameter(f"{name}_lora_B", B)# 3. 前向时叠加低秩更新
def lora_forward(x, W, A, B):return x @ W.weight + (alpha / r) * (x @ A @ B)# 4. 替换每个需要微调的 Linear 层前向
for layer in model.transformer.h:for name in ["c_attn", "c_proj", "mlp.c_fc", "mlp.c_proj"]:orig_linear = getattr(layer, name)A = getattr(layer, f"{name}_lora_A")B = getattr(layer, f"{name}_lora_B")# 用闭包 Capture 原 Linear、A、Bdef new_forward(x, _orig=orig_linear, _A=A, _B=B):return lora_forward(x, _orig, _A, _B)orig_linear.forward = new_forward# 5. 训练循环：仅更新 A、B 矩阵
optimizer = AdamW(filter(lambda p: p.requires_grad, model.parameters()), lr=1e-4)
model.train()
for batch in dataloader:outputs = model(**batch)     # 包括 input_ids, attention_mask, labelsloss = outputs.lossloss.backward()optimizer.step()optimizer.zero_grad()

LoRA 冻结预训练模型权重，在每个线性层旁路注入低秩矩阵，只训练这部分额外参数。LoRA 可在保持原模型推理效率的同时，将可训练参数减少 10,000 倍，且不增加推理延迟

---

2.2 QLoRA（Quantized LoRA）

QLoRA在LoRA之上先将预训练模型量化至4-bit（NF4），再冻结量化权重并仅训练LoRA分支，显存占用降低近3倍，却保持与16-bit LoRA几乎相同的性能，被用于在单块48 GB GPU上微调65B参数模型（如Guanaco）至近ChatGPT水平 。

# 1. 初始化与 4-bit 量化
model = GPTForCausalLM.from_pretrained("gpt2")
freeze_parameters(model)  
# bitsandbytes 提供的 4-bit 量化函数
for name, param in model.named_parameters():param.data = quantize_4bit(param.data, dtype="nf4")  # NF4 量化# 2. 注入 LoRA（与上述 LoRA 步骤一致）
r = 8; alpha = 16
for layer in model.transformer.h:for name in ["c_attn", "c_proj", "mlp.c_fc", "mlp.c_proj"]:W = getattr(layer, name)W.requires_grad = FalseA = nn.Parameter(torch.randn(W.in_features, r) * 0.01)B = nn.Parameter(torch.zeros(r, W.out_features))layer.register_parameter(f"{name}_lora_A", A)layer.register_parameter(f"{name}_lora_B", B)# 3. 替换前向（同 LoRA）
# …（如上）# 4. 训练循环：仅更新 A、B
optimizer = AdamW(filter(lambda p: p.requires_grad, model.parameters()), lr=5e-5)
model.train()
for batch in dataloader:outputs = model(**batch)   loss = outputs.loss         loss.backward()            optimizer.step()           optimizer.zero_grad()

 

QLoRA 首先将模型权重量化到 4-bit，然后在量化模型上应用 LoRA 适配器，仅训练低秩矩阵，极大节省显存并保持性能

QLoRA 能在单卡 48 GB GPU 上微调百亿级模型，且性能与 16-bit LoRA 相当

 

 LoRA 与 QLoRA 在自回归 GPT 模型上的核心实现思路，二者的唯一区别在于 步骤 1：是否对模型权重做 4-bit 量化。

---

小结

• PET与Prompt Tuning：学术价值依旧，但因可用性、自动化程度及训练效率原因，已在工业界被LoRA/QLoRA等PEFT所取代；

• LoRA/QLoRA：凭借参数效率、推理零成本及与量化结合的超低资源需求，成为2025年主流的高效微调方案。

若您正在为生产环境选择PEFT技术，建议优先考虑LoRA及其量化变体QLoRA，并辅以Hugging Face PEFT、ColossalAI等工具链来快速集成与部署。