MindPet微调算法用户文档
MindPet微调算法用户文档

一、MindPet简介

MindPet（Pet：Parameter-Efficient Tuning）是属于Mindspore领域的微调算法套件。随着计算算力不断增加，大模型无限的潜力也被挖掘出来。但随之在应用和训练上带来了巨大的花销，导致商业落地困难。因此，出现一种新的参数高效（parameter-efficient）算法，与标准的全参数微调相比，这些算法仅需要微调小部分参数，可以大大降低计算和存储成本，同时可媲美全参微调的性能。
二、环境准备

2.1 环境依赖

Python 3.7至3.9版本
MindSpore >= 1.8
2.2 软件安装

在代码仓根目录下运行以下命令，会生成dist文件夹以及whl包：
python set_up.py bdist_wheel
执行以下命令安装whl包：
pip install dist/mindpet-1.0.4-py3-none-any.whl
2.3 软件卸载

通过以下命令进行卸载：
pip uninstall mindpet
三、微调算法API

目前MindPet已提供以下六种经典低参微调算法以及一种提升精度的微调算法的API接口，用户可快速适配原始大模型，提升下游任务微调性能和精度；
微调算法	算法论文	使用说明
LoRA	LoRA: Low-Rank Adaptation of Large Language Models	MindPet_DeltaAlgorithm_README 第一章
PrefixTuning	Prefix-Tuning: Optimizing Continuous Prompts for Generation	MindPet_DeltaAlgorithm_README 第二章
Adapter	Parameter-Efficient Transfer Learning for NLP	MindPet_DeltaAlgorithm_README 第三章
LowRankAdapter	Compacter: Efficient low-rank hypercom plex adapter layers	MindPet_DeltaAlgorithm_README 第四章
BitFit	BitFit: Simple Parameter-efficient Fine-tuning for Transformer-based Masked Language-models	MindPet_DeltaAlgorithm_README 第五章
R_Drop	R-Drop: Regularized Dropout for Neural Networks	MindPet_DeltaAlgorithm_README 第六章
P-Tuning v2	P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally Across Scales and Tasks	MindPet_DeltaAlgorithm_README 第七章
四、共性图操作API

4.1 冻结指定模块功能API

MindPet支持用户根据微调算法或模块名冻结网络中部分模块，提供调用接口和配置文件两种实现方式。
使用说明参考MindPet_GraphOperation_README 第一章。
4.2 保存可训练参数功能API

MindPet支持用户单独保存训练中可更新的参数为ckpt文件，从而节省存储所用的物理资源。
使用说明参考MindPet_GraphOperation_README 第二章。