mind22/mindpet

• MindPet微调算法用户文档
• • 一、MindPet简介
  • 二、环境准备
  • • 2.1 环境依赖
    • 2.2 软件安装
    • 2.3 软件卸载
  • 三、微调算法API
  • 四、共性图操作API
  • • 4.1 冻结指定模块功能API
    • 4.2 保存可训练参数功能API

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-1.0.0-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已提供以下五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	TK_DeltaAlgorithm_README 第一章
PrefixTuning	Prefix-Tuning: Optimizing Continuous Prompts for Generation	TK_DeltaAlgorithm_README 第二章
Adapter	Parameter-Efficient Transfer Learning for NLP	TK_DeltaAlgorithm_README 第三章
LowRankAdapter	Compacter: Efficient low-rank hypercom plex adapter layers	TK_DeltaAlgorithm_README 第四章
BitFit	BitFit: Simple Parameter-efficient Fine-tuning for Transformer-based Masked Language-models	TK_DeltaAlgorithm_README 第五章
R_Drop	R-Drop: Regularized Dropout for Neural Networks	TK_DeltaAlgorithm_README 第六章

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TK_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TK_GraphOperation_README 第二章。