大型语言模型 (LLM) 入门与实践指南

传统上训练模型的方法有多种，不同的方法取决于您想要解决的具体问题。让我们讨论训练模型的技术。

1. 特征提取 (Feature Extraction)

人们使用这种技术从给定文本中提取特征，但是为什么我们要从给定文本中提取嵌入呢？答案很简单。由于计算机无法理解文本，因此需要有一种文本的表示形式，以便我们可以用来执行各种任务。一旦我们提取嵌入，它们就能够执行情感分析、识别文档相似性等任务。

在特征提取中，我们锁定模型的主干层，这意味着我们不会更新这些层的参数；仅更新分类器层的参数。分类器层涉及全连接层。这种方法计算成本最低，因为只需要训练少量的参数。

2. 全模型训练 (Full Fine-tuning)

顾名思义，我们在该技术中在自定义数据集上训练每个模型层特定数量的时期。我们根据新的自定义数据集调整模型中所有层的参数。这可以提高模型对数据和我们想要执行的特定任务的准确性。

考虑到训练大型语言模型中有数十亿个参数，计算成本很高，并且需要大量时间来训练模型。此外，全模型训练容易导致灾难性遗忘，即模型忘记了预训练时学到的通用知识。

3. 基于适配器的训练 (Adapter-based Training)

基于适配器的训练是一个相对较新的概念，其中将额外的随机初始化层或模块添加到网络中，然后针对特定任务进行训练。在这种技术中，模型的参数不受干扰，或者我们可以说模型的参数没有改变或调整。相反，适配器层参数是经过训练的。

该技术有助于以计算有效的方式调整模型，同时保留原始模型的知识。常见的实现包括 LoRA (Low-Rank Adaptation)，它在保持性能的同时大幅减少了可训练参数的数量。

实施：在下游任务上训练 BERT

现在我们知道了训练技术，让我们使用 BERT 对 IMDB 电影评论进行情感分析。BERT 是一种大型语言模型，结合了转换器层并且仅包含编码器。谷歌开发了它，并已证明在各种任务上表现良好。BERT 有不同的大小和变体，例如 BERT-base-uncased、BERT Large、RoBERTa、LegalBERT 等等。

1. 环境配置与数据加载

我们使用 BERT 模型对 IMDB 电影评论进行情感分析。如需免费使用 GPU，建议使用 Google Colab。让我们通过加载一些重要的库来开始训练。

由于 BERT（编码器的双向编码器表示）基于 Transformer，因此第一步是在我们的环境中安装 Transformers。

!pip install transformers datasets accelerate

让我们加载一些库，这些库将帮助我们加载 BERT 模型所需的数据、对加载的数据进行分词、加载我们将用于分类的模型、执行训练 - 测试 - 分割、加载 CSV 文件以及其他一些功能。

import pandas as pd
import numpy as np
import os
from sklearn.model_selection import train_test_split
import torch
import torch.nn as nn
from transformers import BertTokenizer, BertModel, AdamW
from torch.utils.data import TensorDataset, DataLoader
from sklearn.metrics import accuracy_score

为了更快的计算，我们必须将设备从 CPU 更改为 GPU。

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(f"Using device: {device}")

下一步是加载数据集并查看数据集中的前 5 条记录。

df = pd.read_csv('/content/drive/MyDrive/movie.csv')
print(df.head())

我们将把数据集分成训练集和验证集。您还可以将数据拆分为训练集、验证集和测试集，但为了简单起见，我只是将数据集拆分为训练集和验证集。

x_train, x_val, y_train, y_val = train_test_split(
    df.text, 
    df.label, 
    random_state=42, 
    test_size=0.2, 
    stratify=df.label
)

2. 导入并加载 BERT 模型

让我们导入并加载 BERT 模型和分词器。

from transformers.models.bert.modeling_bert import BertForSequenceClassification

# import BERT-base pretrained model
bert_model = BertModel.from_pretrained('bert-base-uncased')
# Load the BERT tokenizer
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')

我们将使用分词器将文本转换为最大长度为 250 的 token，并在需要时进行填充和截断。

train_tokens = tokenizer.batch_encode_plus(
    x_train.tolist(), 
    max_length=250, 
    pad_to_max_length=True, 
    truncation=True
)
val_tokens = tokenizer.batch_encode_plus(
    x_val.tolist(), 
    max_length=250, 
    pad_to_max_length=True, 
    truncation=True
)

分词器返回一个字典，其中包含三个键值对，其中包含 input_ids，它们是与特定单词相关的 token；token_type_ids，它是区分输入的不同段或部分的整数列表。Attention_mask 指示要关注哪个 token。

将这些值转换为张量。

train_ids = torch.tensor(train_tokens['input_ids'])
train_masks = torch.tensor(train_tokens['attention_mask'])
train_label = torch.tensor(y_train.tolist())

val_ids = torch.tensor(val_tokens['input_ids'])
val_masks = torch.tensor(val_tokens['attention_mask'])
val_label = torch.tensor(y_val.tolist())

加载 TensorDataset 和 DataLoaders 以进一步预处理数据并使其适合模型。

train_data = TensorDataset(train_ids, train_masks, train_label)
val_data = TensorDataset(val_ids, val_masks, val_label)

train_loader = DataLoader(train_data, batch_size=32, shuffle=True)
val_loader = DataLoader(val_data, batch_size=32, shuffle=True)

我们的任务是使用分类器冻结 BERT 的参数，然后在自定义数据集上训练这些层。那么，让我们冻结模型的参数。

for param in bert_model.parameters():
    param.requires_grad = False

现在，我们必须为我们添加的层定义前向和后向传递。BERT 模型将充当特征提取器，而我们必须明确定义分类的前向和后向传递。

class Model(nn.Module):
    def __init__(self, bert):
        super(Model, self).__init__()
        self.bert = bert
        self.dropout = nn.Dropout(0.1)
        self.relu = nn.ReLU()
        self.fc1 = nn.Linear(768, 512)
        self.fc2 = nn.Linear(512, 2)
        self.softmax = nn.LogSoftmax(dim=1)

    def forward(self, sent_id, mask):
        # Pass the inputs to the model
        outputs = self.bert(sent_id, mask)
        cls_hs = outputs.last_hidden_state[:, 0, :]
        x = self.fc1(cls_hs)
        x = self.relu(x)
        x = self.dropout(x)
        x = self.fc2(x)
        x = self.softmax(x)
        return x

让我们将模型移至 GPU。

model = Model(bert_model)
model = model.to(device)

3. 定义优化器

# optimizer from hugging face transformers
optimizer = AdamW(model.parameters(), lr=1e-5)

4. 训练与评估函数

到目前为止，我们已经预处理了数据集并定义了我们的模型。现在是训练模型的时候了。我们必须编写代码来训练和评估模型。

训练函数：

def train():
    model.train()
    total_loss, total_accuracy = 0, 0
    total_preds = []
    
    for step, batch in enumerate(train_loader):
        # Move batch to GPU if available
        batch = [item.to(device) for item in batch]
        sent_id, mask, labels = batch
        
        # Clear previously calculated gradients
        optimizer.zero_grad()
        
        # Get model predictions for the current batch
        preds = model(sent_id, mask)
        
        # Calculate the loss between predictions and labels
        loss_function = nn.CrossEntropyLoss()
        loss = loss_function(preds, labels)
        
        # Add to the total loss
        total_loss += loss.item()
        
        # Backward pass and gradient update
        loss.backward()
        optimizer.step()
        
        # Move predictions to CPU and convert to numpy array
        preds = preds.detach().cpu().numpy()
        total_preds.append(preds)
    
    # Compute the average loss
    avg_loss = total_loss / len(train_loader)
    
    # Concatenate the predictions
    total_preds = np.concatenate(total_preds, axis=0)
    
    # Return the average loss and predictions
    return avg_loss, total_preds

评估函数：

def evaluate():
    model.eval()
    total_loss, total_accuracy = 0, 0
    total_preds = []
    
    for step, batch in enumerate(val_loader):
        # Move batch to GPU if available
        batch = [item.to(device) for item in batch]
        sent_id, mask, labels = batch
        
        # Clear previously calculated gradients
        optimizer.zero_grad()
        
        # Get model predictions for the current batch
        preds = model(sent_id, mask)
        
        # Calculate the loss between predictions and labels
        loss_function = nn.CrossEntropyLoss()
        loss = loss_function(preds, labels)
        
        # Add to the total loss
        total_loss += loss.item()
        
        # Backward pass and gradient update
        loss.backward()
        optimizer.step()
        
        # Move predictions to CPU and convert to numpy array
        preds = preds.detach().cpu().numpy()
        total_preds.append(preds)
    
    # Compute the average loss
    avg_loss = total_loss / len(val_loader)
    
    # Concatenate the predictions
    total_preds = np.concatenate(total_preds, axis=0)
    
    # Return the average loss and predictions
    return avg_loss, total_preds

5. 主训练循环

我们现在将使用这些函数来训练模型：

# set initial loss to infinite
best_valid_loss = float('inf')

# defining epochs
epochs = 5

# empty lists to store training and validation loss of each epoch
train_losses=[]
valid_losses=[]

# for each epoch
for epoch in range(epochs):
    print('\n Epoch {:} / {:}'.format(epoch + 1, epochs))
    
    # train model
    train_loss, _ = train()
    
    # evaluate model
    valid_loss, _ = evaluate()
    
    # save the best model
    if valid_loss < best_valid_loss:
        best_valid_loss = valid_loss
        torch.save(model.state_dict(), 'saved_weights.pt')
        print(f'\nSaved new best model with loss: {valid_loss:.3f}')
    
    # append training and validation loss
    train_losses.append(train_loss)
    valid_losses.append(valid_loss)
    print(f'\nTraining Loss: {train_loss:.3f}')
    print(f'Validation Loss: {valid_loss:.3f}')

6. 模型推理与加载

现在你就得到了它。您可以使用经过训练的模型来推断您选择的任何数据或文本。首先加载保存的权重。

# Load the saved model weights
model.load_state_dict(torch.load('saved_weights.pt'))
model.eval()

# Example prediction
test_text = "This movie was absolutely fantastic and I loved every minute of it."
encoded_input = tokenizer(test_text, return_tensors='pt', max_length=250, padding=True, truncation=True)
input_ids = encoded_input['input_ids'].to(device)
attention_mask = encoded_input['attention_mask'].to(device)

with torch.no_grad():
    output = model(input_ids, attention_mask)
    prediction = torch.argmax(output, dim=1).item()

print(f"Predicted sentiment: {'Positive' if prediction == 1 else 'Negative'}")

结论

本文探讨了训练大型语言模型 (LLM) 的世界及其对自然语言处理 (NLP) 的重大影响。讨论了预训练过程，其中 LLM 使用自我监督学习对大量未标记文本进行训练。我们还深入研究了微调，其中涉及针对特定任务和提示调整预先训练的模型，其中为模型提供上下文以生成相关输出。此外，我们还研究了不同的训练技术，例如特征提取、完整模型训练和基于适配器的训练。

大型语言模型已经彻底改变了 NLP，并继续推动各种应用程序的进步。通过掌握上述技术和代码实现，开发者可以更有效地构建基于 LLM 的智能应用。