合并问题 about chatglm-6b-qlora

[shuxueslpi]

@RuSignalFlag
训练过程加载的量化模型是base model，真正的lora adapter其实不是量化的，所以保存的adapter也不是量化的。
然后在merge的时候，加载的base model是fp16的，和adapter合并之后再量化。
所以真正的反量化应该是发生在训练/推理时的模型4bit矩阵乘法和fp16乘法的结果合并时，可以看我参考的关于这部分用时间换空间的文档。
下面是训练加载量化模型，再调用peft后得到的peft model的张量打印，可以看到lora部分确实不是量化的：

# qkv量化部分
In [12]: model.base_model.model.transformer.layers[0].attention.query_key_value.weight
Out[12]: 
Parameter containing:
Parameter(Params4bit([[184],
            [215],
            [183],
            ...,
            [148],
            [ 54],
            [249]], device='cuda:0', dtype=torch.uint8))

# lora部分，非量化
In [17]: model.base_model.model.transformer.layers[0].attention.query_key_value.lora_A.default.weight
Out[17]: 
Parameter containing:
tensor([[-0.0144,  0.0076, -0.0096,  ...,  0.0113, -0.0150,  0.0060],
        [-0.0096,  0.0049, -0.0014,  ..., -0.0060, -0.0140,  0.0115],
        [-0.0101,  0.0134, -0.0066,  ..., -0.0097,  0.0116, -0.0127],
        [-0.0054,  0.0090, -0.0131,  ...,  0.0082,  0.0068,  0.0122]],
       device='cuda:0', requires_grad=True)

In [18]: model.base_model.model.transformer.layers[0].attention.query_key_value.lora_A.default.weight.dtype
Out[18]: torch.float32

[ShayDuane]

@shuxueslpi 后来看代码看明白了，谢谢。保存的只是adapter，合并的时候重新load全精度的基础模型然后应用这个训练好的adapter实例化peftmodel，这个peftmodel Lora层的原始权重是fp16，lora_a和lora_b都是fp32，这个时候就可以相加了。