LoRA(Low-Rank Adaptation) 的思想：冻结预训练模型权重，将可训练的低秩分解矩阵注入到Transformer架构的每一层(也可单独配置某一层)中， 从而大大减少在下游任务的可训练参数量。

核心原理

对于预训练权重矩阵 ，LoRA限制了其更新方式，将全参微调的增量参数矩阵  表示为两个参数量更小的矩阵  和  的低秩近似：

其中：

• •  和  为LoRA低秩适应的权重矩阵

• • 秩  远小于 （即 ）

此时，微调的参数量从原来 的，变成了和的。由于（满足），显著降低了训练参数量。
方法:

优势：

1. 1. 高效训练：大大减少需要训练的参数数量（只训练 A 和 B，而不是 W₀），降低对GPU内存的需求，缩短训练时间。

2. 2. 高效存储/切换：对每个新任务，只需要存储和加载小的 LoRA 权重（A 和 B），而不是整个模型的副本，这样就可以为一个基础模型配备多个任务的“适配器”。

3. 3. 性能保持：LoRA能在降低训练成本的同时，达到接近完全微调的性能。

通过代码理解原理

下列代码拷贝合在一起，更换数据集与模型文件路径后，可直接运行，PEFT版本为0.14.0。重点关注第四步配置LoRA和第八步模型推理， 其余代码在往期文章中已有详细介绍。

• • 数据集：alpaca_data_zh

• • 预训练模型：bloom-389m-zh

第一步: 导入相关包

import torch
from datasets import Dataset
from transformers import AutoTokenizer, AutoModelForCausalLM, DataCollatorForSeq2Seq, TrainingArguments, Trainer
from peft import PromptTuningConfig, get_peft_model, TaskType, PromptTuningInit, PeftModel

第二步: 加载数据集

# 包含 'instruction' (指令), 'input' (可选的额外输入), 'output' (期望的回答)
ds = Dataset.load_from_disk("../data/alpaca_data_zh/") 

第三步: 数据集预处理

将每个样本处理成包含 input_ids, attention_mask, 和 labels 的字典。

tokenizer = AutoTokenizer.from_pretrained("D:\\git\\model-download\\bloom-389m-zh") 
defprocess_func(example):MAX_LENGTH = 256# 构建输入文本：将指令和输入(可选)组合到一起，并添加明确的 "Human:" 和 "Assistant:" 标识符。"\n\nAssistant: " 是提示模型开始生成回答的关键分隔符。prompt = "\n".join(["Human: " + example["instruction"], example["input"]]).strip() + "\n\nAssistant: "# 对输入+提示进行分词，这里暂时不添加特殊token (<s>, </s>)，后面要拼接instruction_tokenized = tokenizer(prompt, add_special_tokens=False)# 对期望的输出（回答）进行分词，在回答的末尾加上 `tokenizer.eos_token` (end-of-sentence)。告诉模型生成到这里就可以结束。response_tokenized = tokenizer(example["output"] + tokenizer.eos_token, add_special_tokens=False)# 将输入提示和回答的 token IDs 拼接起来，形成完整的输入序列 input_idsinput_ids = instruction_tokenized["input_ids"] + response_tokenized["input_ids"]# attention_mask 用于告诉模型哪些 token 是真实的、需要关注的，哪些是填充的（padding）。attention_mask = instruction_tokenized["attention_mask"] + response_tokenized["attention_mask"]# 创建标签 (labels)：这是模型需要学习预测的目标，因为只希望模型学习预测 "Assistant:" 后面的回答部分，所以将输入提示部分的标签设置为 -100，损失函数自动忽略标签为 -100 的 token，不计算它们的损失。labels = [-100] * len(instruction_tokenized["input_ids"]) + response_tokenized["input_ids"]# 截断iflen(input_ids) > MAX_LENGTH:input_ids = input_ids[:MAX_LENGTH]attention_mask = attention_mask[:MAX_LENGTH]labels = labels[:MAX_LENGTH]# 返回处理好的数据return {"input_ids": input_ids,"attention_mask": attention_mask,"labels": labels}
#  .map() 方法将处理函数应用到整个数据集的所有样本上。
tokenized_ds = ds.map(process_func, remove_columns=ds.column_names)    #  `remove_columns` 会移除原始的列，只保留 process_func 返回的新列。    
print("\n检查第2条数据处理结果:")
print("输入序列 (input_ids解码):", tokenizer.decode(tokenized_ds[1]["input_ids"]))
target_labels = list(filter(lambda x: x != -100, tokenized_ds[1]["labels"])) # 过滤掉 -100，看看模型真正需要预测的标签是什么
print("标签序列 (labels解码，过滤-100后):", tokenizer.decode(target_labels))

第四步: 加载预训练模型和配置LoRA

1. 配置LoRA(关键步骤):

• • 选择在哪些层上应用LoRA，target_modules=".*\\.1.*query_key_value": 用来指定要在哪些模块(层)上应用LoRA适配器，.*\\.1.*query_key_value 匹配的是模型中名字包含 ".1." (通常指第一层Transformer块)并且是 "query_key_value" (在某些模型结构中，QKV是合并在一起的)的线性层。如果指定的是 ["query_key_value"]，则表示适配所有层的QKV映射，从而调整模型注意力机制中的参数。

• • r：低秩分解的秩，默认值通常是8或16。r 越小，引入的参数越少，但会牺牲一些性能；r 越大，参数越多，可能性能更好，但效率增益降低。

2. 使用PEFT将LoRA应用到模型：

• • get_peft_model接收原始模型和LoRA配置：
  a. 冻结原始模型所有参数。
  b. 根据 target_modules 在指定层旁边添加LoRA适配器层(可训练的小矩阵A和B)。
  c. 如果指定了 modules_to_save，则会解冻这些模块的参数，使其也可训练。

• • 返回的 model 是一个 PeftModel 对象，封装了原始模型和LoRA适配器。

model = AutoModelForCausalLM.from_pretrained("D:\\git\\transformers-code-master\\model-download\\bloom-389m-zh")# LoRA 配置
config = LoraConfig(task_type=TaskType.CAUSAL_LM,target_modules=".*\\.1.*query_key_value", # 适配第1层的QKV合并层（根据模型结构调整），或者更通用的写法，target_modules=["query_key_value"],适配所有层的QKVr=8,  # 显式设置LoRA的秩 (rank)，可以调整，比如 8, 16, 32lora_alpha=32, # LoRA缩放因子，通常设为 r 的2倍或4倍lora_dropout=0.1, # LoRA层的dropout率modules_to_save=["word_embeddings"] # 除了LoRA参数外，有时需要训练(并保存)词嵌入层(`word_embeddings`)。有时调整词嵌入对适应新词汇或领域有帮助。如果不需要，可以去掉这个参数。
)
print("\nLoRA配置详情：", config)# 使用 PEFT 应用 LoRA 到模型
model = get_peft_model(model, config)print("\n应用LoRA后的模型可训练参数：")
# 打印模型中哪些参数是可训练的（主要是LoRA的A、B矩阵和word_embeddings）
for name, parameter in model.named_parameters():if parameter.requires_grad:print(name)print("\n可训练参数统计：")
model.print_trainable_parameters() # 关键：观察可训练参数占比！

3. 检查可训练参数：

• • 可训练参数统计：原训练规模为3.9亿参数，LORA后，训练参数规模为0.43亿，训练参数规模大大降低。

trainable params: 43,815,936 || all params: 389,584,896 || trainable%: 11.2468，

第五步: 配置训练参数

args = TrainingArguments(output_dir="./chatbot_lora_tuned", # 输出目录per_device_train_batch_size=1,      # 每个GPU的批大小gradient_accumulation_steps=8,      # 梯度累积步数，实际批大小 = 1 * 8 = 8logging_steps=10,                   # 每10步记录一次日志num_train_epochs=1,                 # 训练轮数save_strategy="epoch",              # 每个epoch保存一次模型learning_rate=1e-4,                 # 学习率warmup_steps=100,                   # 预热步数# 可以添加更多参数，如 weight_decay, evaluation_strategy 等
)

第六步: 创建训练器

trainer = Trainer(model=model,args=args,tokenizer=tokenizer,train_dataset=tokenized_ds,data_collator=DataCollatorForSeq2Seq(tokenizer=tokenizer, padding=True), # 使用Seq2Seq的整理器，将批次内的数据动态填充（padding）到相同长度，确保张量形状一致。
)

第七步: 模型训练

只有在LoRA配置中指定的可训练参数
(LoRA的A、B矩阵，以及 modules_to_save 中的层)会被优化器更新，原始模型权重保持冻结。

trainer.train()

第八步: 模型推理 (使用微调后的模型)

推理时，PeftModel 会自动将 LoRA 适配器(B*A)的效果加到原始权重上，无需手动操作。

from peft import PeftModel
# 加载基础模型
model = AutoModelForCausalLM.from_pretrained("D:\\git\\transformers-code-master\\model-download\\bloom-389m-zh")
tokenizer = AutoTokenizer.from_pretrained("D:\\git\\transformers-code-master\\model-download\\bloom-389m-zh")
print("基础模型加载完成：", type(model))# 加载Lora模型
p_model = PeftModel.from_pretrained(model, model_id="./chatbot/checkpoint-3357/")
print("Lora模型加载结果：", p_model)# 生成对话
ipt = tokenizer("Human: {}\\n{}".format("考试有哪些技巧？", "").strip() + "\\n\\nAssistant: ", return_tensors="pt")
generated = p_model.generate(**ipt, do_sample=False)
response = tokenizer.decode(generated[0], skip_special_tokens=True)
print("生成的回答：", response)# 模型合并
merge_model = p_model.merge_and_unload()
print("合并后的模型结构：", merge_model)# 验证合并模型效果
ipt_merged = tokenizer("Human: {}\\n{}".format("考试有哪些技巧？", "").strip() + "\\n\\nAssistant: ", return_tensors="pt")
merged_response = tokenizer.decode(merge_model.generate(**ipt_merged,max_length=1024,        # 保持总长度限制max_new_tokens=500,     # 新增关键参数：控制新生成token数量do_sample=True,    #启用采样，让生成结果更多样化（否则可能总是生成最可能的词）。temperature=0.8,       # 提高随机性 (0.7-1.0)top_p=0.9,             # 核采样增加多样性repetition_penalty=1.2,# 抑制重复同时允许合理扩展early_stopping=False    # 防止过早停止)[0], skip_special_tokens=True
)
print("合并模型生成的回答：", merged_response)# 保存完整模型
merge_model.save_pretrained("./chatbot/merge_model")
print("模型已保存至：", "./chatbot/merge_model")

总结

1. 1. LoRA的核心思想：
   冻结原始模型参数，只在特定层旁边添加两个小的矩阵(A和B)并进行训练，用 B*A 近似模拟所需的模型调整。

2. 2. 代码体现

   • • LoraConfig ：定义哪些层要加适配器 (target_modules)，适配器的秩 r 是多少等。

   • • get_peft_model 把 LoRA 配置应用到原始模型上，返回 PeftModel。

   • • model.print_trainable_parameters() ：可训练参数大大减少。

   • • 训练时 (trainer.train()) 只更新这些少量参数。

   • • 推理时 (model.generate())：自动结合原始权重和LoRA适配器的效果。

3. 3. 优势: 训练快、省显存、模型存储小、任务切换方便，效果有保障。