P-tuning-v2

P-tuning-v2

深度提示调优技术提升小型模型性能 媲美传统微调方法

P-tuning v2是一种创新的提示调优策略,通过深度提示调优技术为预训练Transformer的每层输入应用连续提示。这种方法显著提升了连续提示的容量,有效缩小了与传统微调方法的性能差距,尤其在小型模型和复杂任务中表现突出。研究表明,P-tuning v2在BERT和RoBERTa等模型上取得了优异成果,在多项NLP任务中达到了与微调相当的水平,为发展参数高效的模型调优技术开辟了新途径。

P-tuning v2提示调优深度学习自然语言处理参数效率Github开源项目

P-tuning v2

源代码和数据用于:

一种优化的提示调优策略,在小型/中型模型和序列标注任务上实现了与微调相当的性能。

查看我们之前的版本 P-tuning v1,用于知识探测和少样本 SuperGLUE。您的星标支持将极大地鼓励我们更加努力 :)

您可能也会对我们最近的工作 GLM-130B:开放的双语预训练模型 (2022-10-06) 感兴趣。这是一个开源的大型语言模型,在各种基准测试中表现超过 GPT-3 175B。只需 4 个 RTX 3090 或 8 个 RTX 2080 Ti 就可以免费获取模型权重、进行推理和 P-Tuning v2!

P-tuning v2 利用深度提示调优,即为预训练 Transformer 的每一层输入应用连续提示。 深度提示调优增加了连续提示的容量,缩小了与微调在各种设置下的差距,特别是对于小型模型和困难任务。

感谢 @rainatam 在重新组织代码以发布方面的共同努力!

常见问题

  1. 一些读者注意到 SuperGLUE 中 P-tuning (v1) 和 P-tuning v2 之间存在**"不匹配"**:这是因为在 P-tuning 的 SuperGLUE 实验中,为了与 PET 公平比较,我们遵循其实验设置,将主干预训练模型参数与连续提示嵌入一起调整;而在 P-tuning v2 中,我们遵循 Prefix tuning 和 Lester 等人的参数高效设置,冻结主干预训练模型参数。

复现技巧

由于我们论文中报告的实验都是在 NVIDIA DGX-A100 服务器上进行的(可能难以获得), 我们使用以下配置重新实现了 BERT-large/RoBERTa-large 的 P-tuning v2 结果:

  • 配备 NVIDIA GeForce RTX 3090 (24G) GPU 的 Ubuntu 服务器
  • cuda 11.1
  • 特定版本的软件包(如下所示)

我们注意到,最佳超参数可能对您的服务器环境和软件包版本敏感。 如果您没有完全相同的环境,我们强烈建议您基于我们在 search_script 中的超参数搜索示例脚本和结果收集脚本 search.py 在您的环境中运行超参数搜索。

设置

我们使用 Anaconda3 进行实验。如果您已安装 Anaconda3,请为 P-tuning v2 创建环境:

conda create -n pt2 python=3.8.5 conda activate pt2

设置好基本的 conda 环境后,通过以下命令安装 pytorch 相关包:

conda install -n pt2 pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

最后,安装我们需要的其他 Python 包:

pip install -r requirements.txt

数据

对于 SuperGLUE 和 SQuAD 数据集,我们从 Huggingface Datasets API(嵌入在我们的代码中)下载它们。

对于序列标注(NER、SRL)数据集,我们准备了一个非官方打包 在这里。 下载后,将打包文件解压到项目根目录。 请自行承担使用风险。

训练

run_script 中运行训练脚本(例如,RoBERTa 用于 RTE):

bash run_script/run_rte_roberta.sh

已实现的结果

目前我们已经发布了以下任务和数据集的重新实现。更多实现将很快发布。

BERT-large 的已发布结果

BoolQCOPARTEWiCWSCCoNLL04OntoNotes 5.0CoNLL12
结果74.377.080.175.168.384.586.485.3
总轮次10080608080403045
最佳轮次5812305617332443

RoBERTa-large 的已发布结果

BoolQCOPARTEWiCWSCCoNLL03CoNLL04OntoNotes 5.0CoNLL12CoNLL05 WSJCoNLL05 BrownSQuAD 1.1SQuAD 2.0
结果84.092.086.673.764.491.888.490.184.789.483.988.1/94.281.3/84.7
总轮次10012010050103080604515-3010
最佳轮次8678653132845593713-249

关于其他超参数,请参考训练脚本。 如果您在最佳轮次无法达到报告的结果,可能是由于环境不匹配,需要进行超参数搜索。

引用

如果您觉得我们的工作有用,请引用我们的论文:

@article{DBLP:journals/corr/abs-2110-07602,
  author    = {Xiao Liu and
               Kaixuan Ji and
               Yicheng Fu and
               Zhengxiao Du and
               Zhilin Yang and
               Jie Tang},
  title     = {P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally
               Across Scales and Tasks},
  journal   = {CoRR},
  volume    = {abs/2110.07602},
  year      = {2021},
  url       = {https://arxiv.org/abs/2110.07602},
  eprinttype = {arXiv},
  eprint    = {2110.07602},
  timestamp = {Fri, 22 Oct 2021 13:33:09 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2110-07602.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多