chatglm用lora训练完predict出的结果和重新加载模型和lora后输出的结果差异很大

[hongyix]

根据https://github.com/THUDM/ChatGLM-6B/tree/main/improve 说的，100条样本足够训练模型，在此基础上实验。
训练样例如下：
{"content": "请给我的美妆店起一个名字。", "summary": "店铺名：柏雅诗BAYEAS。 说明：balmy（温和的）+yearn（思念）+sanguine（快乐的）；雅，优雅。 请问您对于名称还有什么特殊要求吗？例如，是否希望名称具有特定的含义或特点？"}
整个训练集100条样本。

在training_chatglm_adgen_demo.py 后面做了轻微改动如下：

输出结果如下：

第一次明显学到了训练样本的一些特征，为何重新加载模型后就完全体现不出来？

[shibing624]

没搞懂你写2遍干嘛？评估 预测时，python training_chatglm_adgen_demo.py --do_predict 就行。

[hongyix]

没搞懂你写2遍干嘛？评估 预测时，python training_chatglm_adgen_demo.py --do_predict 就行。

上面评估两次，一次是训练完的模型接着predict。第二次是重新加载模型，现在的问题是两次评估的结果差异很大。大佬请问这是什么原因导致的？

[shibing624]

1. 看case应该是第二次lora没有加载成功的效果，建议第二次执行用python training_chatglm_adgen_demo.py --do_predict 试试；
2. 更新代码看下；
3. 用示例数据测试下lora加载逻辑是否正常；

[shibing624]

附上， 生成模型预测调参建议：

建议去调整下 top_p, num_beams, repetition_renalty, temperature, do_sample=True;

数据生成有重复，调高repetition_renalty；

csc这种任务不复杂，训练样本少，调低 temperature。
以上是经验参数，具体调参根据任务而定，不是固定的。

top_p=0.9,
#Moderately increase the probability threshold of nucleus sampling to increase the quantity of candidate tokens and increase generation diversity.

temperature=1.0,
#The previous low temperature parameter could lead to a severe polarization in the probability distribution of generated words, which degenerates the generation strategy into greedy decoding.

do_sample=True,
#do_sample parameter is set to False by default. After setting to True, the generation methods turn into beam-search multinomial sampling decoding strategy.

no_repeat_ngram_size=6,
#Configure the probability of the next repeating n-gram to 0, to ensure that there are no n-grams appearing twice. This setting is an empirical preliminary exploration.

repetition_penalty=1.8,
#For words that have appeared before, in the subsequent prediction process, we reduce the probability of their reoccurrence by introducing the repetition_penalty parameter. This setting is an empirical preliminary exploration.

[hongyix]

1. 看case应该是第二次lora没有加载成功的效果，建议第二次执行用python training_chatglm_adgen_demo.py --do_predict 试试；
2. 更新代码看下；
3. 用示例数据测试下lora加载逻辑是否正常；

1. 直接用python training_chatglm_adgen_demo.py --do_predict的结果是跟第二次的结果一样，模型没有学会训练样本的格式。
2. 代码用的最新的。
3. 已经尝试了别的lora（训练样本>1万），加载逻辑正常，模型能回答微调后的格式。

我的理解是模型回答不出来100条训练样本的格式是正常的，lora欠拟合，上面链接说的100条足够训练应该是基于ptuning的。现在问题是为啥train完predict的会出现那样的结果。

[hongyix]

附上， 生成模型预测调参建议：

建议去调整下 top_p, num_beams, repetition_renalty, temperature, do_sample=True;

数据生成有重复，调高repetition_renalty；

csc这种任务不复杂，训练样本少，调低 temperature。 以上是经验参数，具体调参根据任务而定，不是固定的。

top_p=0.9, #Moderately increase the probability threshold of nucleus sampling to increase the quantity of candidate tokens and increase generation diversity.

temperature=1.0, #The previous low temperature parameter could lead to a severe polarization in the probability distribution of generated words, which degenerates the generation strategy into greedy decoding.

do_sample=True, #do_sample parameter is set to False by default. After setting to True, the generation methods turn into beam-search multinomial sampling decoding strategy.

no_repeat_ngram_size=6, #Configure the probability of the next repeating n-gram to 0, to ensure that there are no n-grams appearing twice. This setting is an empirical preliminary exploration.

repetition_penalty=1.8, #For words that have appeared before, in the subsequent prediction process, we reduce the probability of their reoccurrence by introducing the repetition_penalty parameter. This setting is an empirical preliminary exploration.

do_sample改成false了，两次预测也不一样

[shibing624]

1. 名字重复，经验来讲是欠拟合，解决此问题可以把num_epoch 改为10以上。
2. 我理解ptuning和lora、prompt-tuning等delta tuning方法是一样的，100条数据是够的，原因不是ptuningv2方法特别，是电商广告数据的微调数据跟chatglm预训练集分布一致，或者直白的说ChatGLM训练已经用了ADGEN的微调数据。

[hongyix]

线上店铺名训练集.txt
这是使用的训练集，大佬你可以试试。

[shibing624]

附上， 生成模型预测调参建议：
建议去调整下 top_p, num_beams, repetition_renalty, temperature, do_sample=True;
数据生成有重复，调高repetition_renalty；
csc这种任务不复杂，训练样本少，调低 temperature。 以上是经验参数，具体调参根据任务而定，不是固定的。
top_p=0.9, #Moderately increase the probability threshold of nucleus sampling to increase the quantity of candidate tokens and increase generation diversity.
temperature=1.0, #The previous low temperature parameter could lead to a severe polarization in the probability distribution of generated words, which degenerates the generation strategy into greedy decoding.
do_sample=True, #do_sample parameter is set to False by default. After setting to True, the generation methods turn into beam-search multinomial sampling decoding strategy.
no_repeat_ngram_size=6, #Configure the probability of the next repeating n-gram to 0, to ensure that there are no n-grams appearing twice. This setting is an empirical preliminary exploration.
repetition_penalty=1.8, #For words that have appeared before, in the subsequent prediction process, we reduce the probability of their reoccurrence by introducing the repetition_penalty parameter. This setting is an empirical preliminary exploration.

do_sample改成false了，两次预测也不一样

想一样，可以把 adapter_config.json 里的 inference_mode改为false

[shibing624]

附上， 生成模型预测调参建议：
建议去调整下 top_p, num_beams, repetition_renalty, temperature, do_sample=True;
数据生成有重复，调高repetition_renalty；
csc这种任务不复杂，训练样本少，调低 temperature。 以上是经验参数，具体调参根据任务而定，不是固定的。
top_p=0.9, #Moderately increase the probability threshold of nucleus sampling to increase the quantity of candidate tokens and increase generation diversity.
temperature=1.0, #The previous low temperature parameter could lead to a severe polarization in the probability distribution of generated words, which degenerates the generation strategy into greedy decoding.
do_sample=True, #do_sample parameter is set to False by default. After setting to True, the generation methods turn into beam-search multinomial sampling decoding strategy.
no_repeat_ngram_size=6, #Configure the probability of the next repeating n-gram to 0, to ensure that there are no n-grams appearing twice. This setting is an empirical preliminary exploration.
repetition_penalty=1.8, #For words that have appeared before, in the subsequent prediction process, we reduce the probability of their reoccurrence by introducing the repetition_penalty parameter. This setting is an empirical preliminary exploration.

do_sample改成false了，两次预测也不一样

想一样，可以把 adapter_config.json 里的 inference_mode改为false

我又试了下，inference_mode=false 会导致lora没应用。还是得改参数：参数do_sample=False,temperature=0.01,top_p=0.01,num_beams=1，batch_size=1 参考：THUDM/ChatGLM-6B#841

[hongyix]

do_sample=False,temperature=0.01,top_p=0.01,num_beams=1，batch_size=1 ，epoch = 10。按照这个参数重新跑了一下，结果如下：

第一个回答是模型train后直接predict, 第二个为重新加载后的回答。

直接python training_chatglm_adgen_demo.py --do_predict 的回答如下：

看上去参数没问题，后面两次回答一模一样。问题是第一次的回答咋来的？

[shibing624]

看截图我认为第一次预测正确，第二次预测加载lora是错误的，由于不知道你测试的代码，我这边写了个单测 13f41e1#diff-c16315637707e318e1a2a59bab06f4de05f6ab1a6edc9afb460f2bcfbe23e83d ，是可以正常加载lora模型的。

预测结果：
训练完立即预测:

第二次加载模型并预测：

训练数据用的你给的100条，规范了格式，加了input空字段，复现：

1. 更新代码
2. cd textgen/tests; python test_chatglm_training.py

[shibing624]

补充下，由于数据样本少，"num_train_epochs": 20, 可以稳定学到起店名的语义，预测结果才每次符合预期。

[hongyix]

补充下，由于数据样本少，"num_train_epochs": 20, 可以稳定学到起店名的语义，预测结果才每次符合预期。

感谢大佬，试了一下，如果换成20个epoch的话，两次输出都是一样了。
如果peft name 和 output_dir 都配置的话，模型会加载两次，lora就好像失效了。

[shibing624]

补充下，由于数据样本少，"num_train_epochs": 20, 可以稳定学到起店名的语义，预测结果才每次符合预期。

感谢大佬，试了一下，如果换成20个epoch的话，两次输出都是一样了。 如果peft name 和 output_dir 都配置的话，模型会加载两次，lora就好像失效了。

加载两次fixed 了。