大语言模型常用微调与基于SFT微调DeepSeek R1指南

概述

大型语言模型（LLM，Large Language Model）的微调（Fine-tuning）是指在一个预训练模型的基础上，使用特定领域或任务的数据对模型进行进一步训练，以使其在该领域或任务上表现更好。微调是迁移学习的一种常见方法，能够显著提升模型在特定任务上的性能。在大型语言模型（LLM）的微调中，有几种常见的方法，包括 SFT（监督微调）、LoRA（低秩适应）、P-tuning v2 和 **Freeze

1.大语言模型微调

1.1 微调的工作原理

微调（Fine-tuning）是指在预训练模型的基础上，使用特定任务的标注数据对模型进行进一步训练，使其在该任务上表现更好。微调的核心思想是利用预训练模型已经学习到的通用语言表示，通过少量任务数据调整模型参数，使其适应特定任务。

微调的关键组件

• 输入 (X)：

  • 提供给模型的文本数据（例如，电影评论、问题、对话等）。
  • 对于文本生成任务，输入可能是一个问题或提示。

• 目标 (Y)：

  • 基于标注数据的预期输出（例如，情绪标签、聊天机器人响应、摘要文本等）。
  • 对于分类任务，目标可能是类别标签（如“积极”或“消极”）。
  • 对于生成任务，目标可能是完整的文本响应。

• 损失函数：

  • 衡量模型的预测与目标之间的差异。
  • 通过优化损失函数，模型逐渐调整参数以更好地拟合任务数据。

示例：IMDB 情绪分类

• 输入 (X)：电影评论，例如“这部电影的视觉效果很棒，但情节很弱。”
• 目标 (Y)：情绪标签，例如“积极”或“消极”。
• 模型任务：根据输入文本预测正确的情绪标签。

示例：文本生成

• 输入 (X)：问题，例如“什么是人工智能？”
• 目标 (Y)：生成的响应，例如“人工智能是模拟人类智能的技术。”
• 模型任务：根据输入问题生成正确的文本响应。

1.2 使用的损失函数：交叉熵损失

在语言模型的微调中，交叉熵损失（Cross-Entropy Loss） 是最常用的损失函数。它用于衡量模型预测的概率分布与真实目标分布之间的差异。

交叉熵损失的公式

对于语言模型，交叉熵损失的公式为：
$$\text{Cross-Entropy Loss}=-\sum _{i=1}^N{y}_i\log (p_i)$$

其中：

• $y_i$：目标分布（真实标签的 one-hot 编码）。
• $p_i$：模型预测的概率分布。
• $N$：词汇表的大小（对于分类任务，( N ) 是类别数）。

交叉熵损失的作用

• 衡量预测与目标的差异：
  • 当模型预测的概率分布与目标分布越接近时，交叉熵损失越小。
  • 当模型预测的概率分布与目标分布差异较大时，交叉熵损失越大。
• 优化目标：
  • 在训练过程中，通过反向传播和梯度下降，模型不断调整参数以最小化交叉熵损失。

示例：文本生成中的交叉熵损失

假设模型生成一个句子，每个词的概率分布如下：

• 目标词：["I", "love", "AI"]
• 模型预测的概率分布：
  • I: 0.9
  • love: 0.8
  • AI: 0.7

交叉熵损失计算如下：
$$textLoss=-(\log (0.9)+\log (0.8)+\log (0.7))$$

通过最小化损失，模型逐渐学会生成更准确的文本。

1.3 SFT（监督微调，Supervised Fine-Tuning）

SFT 是最常见的微调方法，通过在特定任务的标注数据上对预训练模型进行全参数微调。

特点

• 全参数微调：更新模型的所有参数。
• 适合场景：任务数据量较大，计算资源充足。
• 优点：模型可以完全适应任务。
• 缺点：计算成本高，显存占用大。

实现代码

from transformers import AutoTokenizer, AutoModelForSequenceClassification, Trainer, TrainingArguments
from datasets import load_dataset# 加载预训练模型和分词器
model_name = "bert-base-uncased"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name, num_labels=2)# 加载数据集
dataset = load_dataset("imdb")# 数据预处理
def preprocess_function(examples):return tokenizer(examples["text"], truncation=True, padding="max_length", max_length=512)tokenized_datasets = dataset.map(preprocess_function, batched=True)# 设置训练参数
training_args = TrainingArguments(output_dir="./sft_results",evaluation_strategy="epoch",learning_rate=2e-5,per_device_train_batch_size=8,per_device_eval_batch_size=8,num_train_epochs=3,weight_decay=0.01,save_strategy="epoch",logging_dir="./logs",
)# 定义 Trainer
trainer = Trainer(model=model,args=training_args,train_dataset=tokenized_datasets["train"],eval_dataset=tokenized_datasets["test"],tokenizer=tokenizer,
)# 开始微调
trainer.train()# 保存模型
model.save_pretrained("./sft-fine-tuned-model")
tokenizer.save_pretrained("./sft-fine-tuned-model")

1.4 LoRA（低秩适应，Low-Rank Adaptation)

LoRA 是一种高效的微调方法，通过低秩分解的方式微调模型参数，减少计算量和显存占用。

特点

• 低秩分解：只微调模型的一部分参数（低秩矩阵）。
• 适合场景：资源有限，但仍需高效微调。
• 优点：参数效率高，显存占用低。
• 缺点：需要额外的实现支持。

实现代码

使用 peft 库实现 LoRA：

pip install peft

from transformers import AutoTokenizer, AutoModelForSequenceClassification
from peft import get_peft_model, LoraConfig, TaskType
from datasets import load_dataset# 加载预训练模型和分词器
model_name = "bert-base-uncased"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name, num_labels=2)# 配置 LoRA
lora_config = LoraConfig(task_type=TaskType.SEQ_CLS,  # 任务类型r=8,  # 低秩矩阵的秩lora_alpha=32,  # 缩放因子lora_dropout=0.1,  # Dropout 概率
)# 应用 LoRA
model = get_peft_model(model, lora_config)# 加载数据集
dataset = load_dataset("imdb")# 数据预处理
def preprocess_function(examples):return tokenizer(examples["text"], truncation=True, padding="max_length", max_length=512)tokenized_datasets = dataset.map(preprocess_function, batched=True)# 设置训练参数
training_args = TrainingArguments(output_dir="./lora_results",evaluation_strategy="epoch",learning_rate=2e-5,per_device_train_batch_size=8,per_device_eval_batch_size=8,num_train_epochs=3,weight_decay=0.01,save_strategy="epoch",logging_dir="./logs",
)# 定义 Trainer
trainer = Trainer(model=model,args=training_args,train_dataset=tokenized_datasets["train"],eval_dataset=tokenized_datasets["test"],tokenizer=tokenizer,
)# 开始微调
trainer.train()# 保存模型
model.save_pretrained("./lora-fine-tuned-model")

1.5 P-tuning v2

P-tuning v2 是一种提示微调方法，通过优化提示（Prompt）来引导模型完成任务，而不改变模型参数。

特点

• 提示优化：通过可学习的提示向量引导模型。
• 适合场景：少样本学习，资源有限。
• 优点：无需修改模型参数，显存占用低。
• 缺点：需要设计提示模板。

实现代码

使用 openprompt 库实现 P-tuning v2：

pip install openprompt

from openprompt import PromptDataLoader, PromptForClassification
from openprompt.plms import load_plm
from openprompt.prompts import ManualTemplate
from openprompt.prompts import ManualVerbalizer
from datasets import load_dataset# 加载预训练模型
plm, tokenizer, model_config, WrapperClass = load_plm("bert", "bert-base-uncased")# 加载数据集
dataset = load_dataset("imdb")# 定义提示模板
template = ManualTemplate(text='{"placeholder":"text_a"} It was {"mask"}',tokenizer=tokenizer,
)# 定义标签词映射
verbalizer = ManualVerbalizer(classes=["negative", "positive"],label_words={"negative": ["bad"],"positive": ["good"],},tokenizer=tokenizer,
)# 定义 Prompt 模型
prompt_model = PromptForClassification(plm=plm,template=template,verbalizer=verbalizer,
)# 数据加载器
dataloader = PromptDataLoader(dataset=dataset["train"],tokenizer=tokenizer,template=template,max_seq_length=512,
)# 训练（伪代码，需补充优化器和训练循环）
for batch in dataloader:logits = prompt_model(batch)# 计算损失并更新模型

1.6 Freeze 微调

Freeze 微调是指冻结模型的大部分参数，只微调部分层（如分类头）。

特点

• 参数冻结：只微调模型的最后几层。
• 适合场景：资源有限，任务数据量较小。
• 优点：计算成本低，显存占用少。
• 缺点：模型适应能力有限。

实现代码

from transformers import AutoTokenizer, AutoModelForSequenceClassification, Trainer, TrainingArguments
from datasets import load_dataset# 加载预训练模型和分词器
model_name = "bert-base-uncased"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name, num_labels=2)# 冻结模型的大部分参数
for param in model.bert.parameters():param.requires_grad = False# 加载数据集
dataset = load_dataset("imdb")# 数据预处理
def preprocess_function(examples):return tokenizer(examples["text"], truncation=True, padding="max_length", max_length=512)tokenized_datasets = dataset.map(preprocess_function, batched=True)# 设置训练参数
training_args = TrainingArguments(output_dir="./freeze_results",evaluation_strategy="epoch",learning_rate=2e-5,per_device_train_batch_size=8,per_device_eval_batch_size=8,num_train_epochs=3,weight_decay=0.01,save_strategy="epoch",logging_dir="./logs",
)# 定义 Trainer
trainer = Trainer(model=model,args=training_args,train_dataset=tokenized_datasets["train"],eval_dataset=tokenized_datasets["test"],tokenizer=tokenizer,
)# 开始微调
trainer.train()# 保存模型
model.save_pretrained("./freeze-fine-tuned-model")
tokenizer.save_pretrained("./freeze-fine-tuned-model")

1.7 总结

方法	特点	适用场景	优点	缺点
SFT	全参数微调	数据量大，资源充足	完全适应任务	计算成本高
LoRA	低秩分解，部分参数微调	资源有限	参数效率高，显存占用低	需要额外实现
P-tuning	提示优化，不修改模型参数	少样本学习	显存占用低	需要设计提示模板
Freeze	冻结大部分参数，微调部分层	资源有限，数据量小	计算成本低	模型适应能力有限

2.DeepSeek微调

DeepSeek LLM 是一个强大的开源语言模型，但为了最大限度地发挥其在特定应用中的潜力，微调是必不可少的。

2.1 使用数据子集

在资源有限的硬件上微调像 DeepSeek LLM 这样的大型语言模型时，在完整数据集（例如，具有 25,000 个样本的 IMDB）上进行训练可能会导致过多的训练时间和 GPU 内存问题。

• 选择一个子集：500 个样本用于训练，100 个样本用于评估。
• 保持代表性：该子集保留了足够的多样性以实现合理的性能。

使用较小的数据集可以加快实验速度，同时有效地展示微调概念。对于生产级微调，应在更强大的基础设施上使用更大的数据集。

2.2 安装所需的库

首先，安装必要的依赖项：

pip install -U torch transformers datasets accelerate peft bitsandbytes

2.3 使用 4 位量化加载模型

使用 4 位量化使大型模型与有限的 GPU 内存兼容：

from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
from peft import LoraConfig, get_peft_modelmodel_name = "deepseek-ai/deepseek-llm-7b-base"
# Configure 4-bit quantization
bnb_config = BitsAndBytesConfig(load_in_4bit=True,bnb_4bit_compute_dtype=torch.float16  # Use float16 for faster computation
)
# Load tokenizer and model
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, quantization_config=bnb_config, device_map="auto"
)
# Apply LoRA for memory-efficient fine-tuning
lora_config = LoraConfig(r=8,  # Low-rank adaptation sizelora_alpha=32,target_modules=["q_proj", "v_proj"],  # Apply LoRA to attention layerslora_dropout=0.05,bias="none"
)
model = get_peft_model(model, lora_config)
model.print_trainable_parameters()
print(" DeepSeek LLM Loaded with LoRA and 4-bit Precision!")

2.4 使用 Hugging Face 数据集进行训练

为了进行微调，需要一个高质量的数据集。 Hugging Face 提供对各种数据集的访问：

选择数据集

对于此示例，让我们使用 IMDB 数据集对 DeepSeek LLM 进行情绪分类微调：

from datasets import load_dataset# Load dataset
dataset = load_dataset("imdb")

预处理数据集

将文本转换为模型的标记化输入：

def tokenize_function(examples):inputs = tokenizer(examples["text"], truncation=True, padding="max_length", max_length=512)inputs["labels"] = inputs["input_ids"].copy()return inputstokenized_datasets = dataset.map(tokenize_function, batched=True)
# Subset the dataset for faster experimentation
small_train_dataset = tokenized_datasets["train"].shuffle(seed=42).select(range(500))
small_test_dataset = tokenized_datasets["test"].shuffle(seed=42).select(range(100))
# Print a sample tokenized entry
print("Tokenized Sample:")
print(small_train_dataset[0])

3.LoRA（低秩自适应）

LoRA（低秩自适应）是一种旨在通过以下方式使 DeepSeek LLM 等大型模型的微调更加节省内存的技术：

• 冻结模型的大部分权重。
• 在关键层（例如注意层）中引入低秩可训练矩阵。

这大大减少了可训练参数的数量，同时保持了模型的性能。LoRA 可以在资源受限的硬件（例如 Colab GPU）上微调大型语言模型。

#4.代码演练：微调 DeepSeek LLM

首先设置训练参数：

from transformers import TrainingArguments, Trainertraining_args = TrainingArguments(output_dir="./results",evaluation_strategy="epoch",learning_rate=3e-4,  # Lower learning rate for LoRA fine-tuningper_device_train_batch_size=1,  # Reduce batch size for memory efficiencygradient_accumulation_steps=8,  # Simulate larger batch sizenum_train_epochs=0.5,weight_decay=0.01,save_strategy="epoch",logging_dir="./logs",logging_steps=50,fp16=True,  # Mixed precision training
)

初始化训练器：

trainer = Trainer(model=model,args=training_args,train_dataset=small_train_dataset,eval_dataset=small_test_dataset,
)
print("🚀 Trainer Initialized!")

开始微调：

print("🚀 Starting Fine-Tuning...")
trainer.train()

保存微调模型：

trainer.save_model("./fine_tuned_deepseek")
tokenizer.save_pretrained("./fine_tuned_deepseek")
print("Fine-Tuned Model Saved Successfully!")