昆明网站制作企业海淘手表网站
目录
- 4.3 参数选择方法
- 4.3.1 基于规则的方法
- 4.3.2 基于学习的方法
- 1）公式：
- 2）Child-tuning 的两种变体模型
- 3）Child-tuning总结
4.3 参数选择方法
参数选择方法:
-
对预训练模型中部分参数微调，不添加额外参数以避免推理时增加计算成本，
-
分为基于规则和基于学习两类。
基于选择的方法，能减少更新参数量，降低计算和内存成本，适用于资源受限或需快速适应新任务的场景。但面临如何选最佳参数子集，以及平衡参数更新量与模型性能的挑战。
.
4.3.1 基于规则的方法
基于规则:
-
依靠专家经验确定需更新的参数；
-
BitFit 是典型代表。
BitFit 仅优化神经网络各层偏置项（Biases）和任务特定分类头，因偏置项占比极小（约 0.08%-0.09%），故参数效率极高。
虽微调参数少，BitFit 在 GLUE Benchmark 上表现可与全量微调媲美，甚至在部分任务上更优，且允许更大学习率，优化更稳定。但其性能仅在小模型（如 BERT、RoBERT 等）上验证过，在更大模型上的表现未知。
除 BitFit 外，其他基于规则的方法通过仅微调特定 Transformer 层提高参数效率。Lee 等人提出，仅微调 BERT 和 RoBERTa 最后四分之一层，就能实现完全参数微调 90% 的性能。PaFi 选择绝对值最小的模型参数作为可训练参数。
.
4.3.2 基于学习的方法
基于学习：
-
自动选择可训练参数子集，
-
典型方法 Child-tuning 。
Child-tuning 通过梯度掩码矩阵策略，仅对选中的子网络进行梯度更新，屏蔽其他梯度，实现参数高效微调。
.
1）公式：
在参数高效微调中，假设 W t \mathbf{W}_{t} Wt 是第 t 轮迭代的参数矩阵，引入与 W t \mathbf{W}_{t} Wt 同维度的 0-1 掩码矩阵 M t \mathbf{M}_{t} Mt， 用于选择第 t 轮迭代的子网络 C t \mathbf{C}_{t} Ct，仅更新该子网络的参数，定义如下：
M t ( i ) = { 1 , if W t ( i ) ∈ C t 0 , if W t ( i ) ∉ C t \mathbf{M}_{t}^{(i)} = \begin{cases} 1, & \text{if } \mathbf{W}_{t}^{(i)} \in \mathbf{C}_{t} \\ 0, & \text{if } \mathbf{W}_{t}^{(i)} \notin \mathbf{C}_{t} \end{cases} Mt(i)={1,0,if Wt(i)∈Ctif Wt(i)∈/Ct
其中， M t ( i ) \mathbf{M}_{t}^{(i)} Mt(i) 和 W t ( i ) \mathbf{W}_{t}^{(i)} Wt(i) 分别是矩阵 M t \mathbf{M}_{t} Mt 和 W t \mathbf{W}_{t} Wt 在第 t 轮迭代的第 i 个元素。
此时，梯度更新公式为：
W t + 1 = W t − η ( ∂ L ( W t ) ∂ W t ⊙ M t ) \mathbf{W}_{t+1} = \mathbf{W}_{t - \eta} \left( \frac{\partial \mathcal{L}(\mathbf{W}_{t})}{\partial \mathbf{W}_{t}} \odot \mathbf{M}_{t} \right) Wt+1=Wt−η(∂Wt∂L(Wt)⊙Mt)
其中：
-
W t \mathbf{W}_{t} Wt 是第 (t) 轮迭代的参数矩阵。
-
η \eta η 是学习率。
-
∂ L ( W t ) ∂ W t \frac{\partial \mathcal{L}(\mathbf{W}_{t})}{\partial \mathbf{W}_{t}} ∂Wt∂L(Wt) 是损失函数 L \mathcal{L} L 对参数矩阵 W t \mathbf{W}_t Wt 的梯度。
-
⊙ \odot ⊙ 表示逐元素乘法。
-
M t \mathbf{M}_{t} Mt 是掩码矩阵，用于选择子网络 C t \mathbf{C}_t Ct 中的参数。
Child-tuning 提供了两种生成子网络掩码 M \mathbf{M} M 的方式，产生两种变体模型： C h i l d − t u n i n g F Child-tuning_{F} Child−tuningF 和 C h i l d − t u n i n g D Child-tuning_{D} Child−tuningD。
.
2）Child-tuning 的两种变体模型
C h i l d − t u n i n g F Child-tuning_{F} Child−tuningF
-
任务无关：不依赖下游任务数据，通过伯努利分布随机生成 0-1 掩码 Mt 选择子网络。
-
正则化：引入噪声对全梯度进行正则化，防止过拟合，提高泛化能力。
M t ∼ Bernoulli ( p F ) \mathbf{M}_t \sim \text{Bernoulli}(p_F) Mt∼Bernoulli(pF)
C h i l d − t u n i n g D Child-tuning_{D} Child−tuningD
-
任务驱动：利用下游任务数据，通过费舍尔信息矩阵（FIM,公式如下）估计参数对任务的重要性。
-
选择子网络：计算每个参数的费舍尔信息值，排序后选择前 p D p_D pD 比例的参数组成子网络 C。
-
训练：根据选定的子网络生成掩码矩阵完成模型训练。
F ( i ) ( W ) = 1 ∣ D ∣ ∑ j = 1 ∣ D ∣ ( ∂ log p ( Y j ∣ X j ; W ) ∂ W ( i ) ) 2 F^{(i)}(W) = \frac{1}{|\mathcal{D}|} \sum_{j=1}^{|\mathcal{D}|} \left( \frac{\partial \log p(Y_j | X_j; W)}{\partial W^{(i)}} \right)^2 F(i)(W)=∣D∣1j=1∑∣D∣(∂W(i)∂logp(Yj∣Xj;W))2
.
3）Child-tuning总结
Child-tuning 通过梯度屏蔽减少计算负担和模型过拟合风险，但在子网络选择尤其是任务驱动变体中存在计算代价高的问题。总体而言，它在多种下游任务中表现出色，尤其在训练数据有限时，并且可以与其他 PEFT 方法集成以进一步提升性能。
除 Child-tuning 外，其他基于学习的参数选择方法包括：
-
Zhao 等人引入与模型权重相关的二值矩阵，通过阈值函数生成掩码并在反向传播中更新。
-
Fish-Dip 使用 Fisher 信息计算掩码，且每个训练周期动态重新计算。
-
LT-SFT 受“彩票假设”启发，根据初始微调阶段变化最大的参数子集形成掩码。
-
SAM 提出二阶逼近方法，通过解析求解优化函数决定参数掩码。
.
其他参考：【大模型基础_毛玉仁】系列文章
声明：资源可能存在第三方来源，若有侵权请联系删除！