調(diào)教LLaMA類模型沒那么難，LoRA將模型微調(diào)縮減到幾小時
選自Lightning AI
提高權重更新效率論文《 LoRA: Low-Rank Adaptation of Large Language Models》提出將權重變化 ΔW 分解為秩較低的表示。（LoRA 不會直接分解矩陣，而是通過反向傳播來學習分解的矩陣）。在仔細研究 LoRA 之前，我們先簡要解釋一下規(guī)則微調(diào)期間的訓練程序。首先是權重變化 ΔW。假設 W 表示給定神經(jīng)網(wǎng)絡層中的權重矩陣。然后，使用常規(guī)反向傳播，我們可以獲得權重更新 ΔW，它通常被計算為損失乘以學習率的負梯：
然后，得到 ΔW 后，原始權重按如下公式更新：W'=W+ΔW。如下圖所示（為了簡單起見，省略了偏置矢量）。或者，我們可以保持權重更新矩陣分離，并按如下公式計算輸出：h=Wx+ΔWx：
?當在神經(jīng)網(wǎng)絡中訓練全連接（即 dense）層時，如上所示，權重矩陣通常具有全秩，這意味著矩陣不具有任何線性相關（即冗余）的行或列。相比之下，與全秩相比，低秩意味著矩陣具有冗余的行或列。 因此，盡管預訓練模型的權重是滿秩矩陣，但根據(jù) Aghajanyan 等人的說法，LoRA 的作者指出預訓練的大型語言模型在適應新任務時具有較低的內(nèi)在維度。低內(nèi)在維度意味著數(shù)據(jù)可以由低維度空間有效地表示或近似，同時保留其大部分基本信息或結構。換句話說，這意味著可以將適應任務的新權重矩陣分解為低維（較?。┚仃嚕粫G失太多重要信息。例如，假設 ΔW 是 A×B 維權重矩陣的權重更新矩陣，這個權重更新矩陣可以分解為兩個較小的矩陣：ΔW=W_A W_B，其中 W_A 是 A×r 維矩陣，W_B 是 r×B 維矩陣。在這里，我們保持原始權重 W 凍結，并且只訓練新的矩陣 W_A 和 W_B。如下圖所示。
，這意味著需要從原始權重開始訓練。參數(shù)效率接下來說一說最棘手的問題：如果引入新的權重矩陣，參數(shù)如何才能有效？新的矩陣 W_A 和 W_B 可以非常小。例如，假設 A=100，B=500，那么 ΔW 的大小為 100×500=50000。如果將其分解為兩個較小的矩陣，一個 100×5 維矩陣 W_A 和一個 5×500 維矩陣 W_B。這兩個矩陣總共只有 5×100+5×500=3000 個參數(shù)。減少推理開銷在實踐中，如果在如上所示的訓練后保持原始權重 W 以及矩陣 W_A 和 W_B 處于分離狀態(tài)，推理過程中就會額外產(chǎn)生效率損失，因為引入了額外的計算步驟。相反可以在訓練后通過 W’=W+W_A?W_B 更新權重，這類似于前面提到的 W’=W+ΔW。然而，保持權重矩陣 W_A 和 W_B 分離也可能有些優(yōu)勢。例如，假設希望保留預訓練的模型作為各種客戶的基礎模型，并且希望從基礎模型開始為每個客戶創(chuàng)建一個微調(diào)的 LLM。在這種情況下，就不需要為每個客戶存儲完整的權重矩陣 W’。不然存儲模型的所有權重 W’=W+W_A W_B 對于 LLM 來說可能非常大，因為 LLM 通常具有數(shù)十億到數(shù)萬億的權重參數(shù)。因此，可以保留原始模型 W，只需要存儲新的輕量級矩陣 W_A 和 W_B。用具體的數(shù)字來說明的話，一個完整的 7B LLaMA checkpoint 需要 23 GB 的存儲容量，而選擇 r=8 的秩，則 LoRA 權重可以小到 8 MB。實踐效果LoRA 在實踐中有多好，與完全微調(diào)和其他參數(shù)有效方法相比如何？根據(jù) LoRA 的論文，在幾個特定任務的基準測試中，使用 LoRA 的模型的建模性能略好于使用 Adapters、prompt tuning 或 prefix tuning 的模型。通常，LoRA 的性能甚至比微調(diào)所有層更好，如下面 LoRA 論文的注釋表所示。
值得注意的是，LoRA 與其他微調(diào)方法正交，這意味著它也可以與 Adapters 或 prefix tuning 相結合。LoRA & LLaMA現(xiàn)在，讓我們使用 LoRA 來微調(diào) Meta 提出的 LLaMA 模型。除了用于訓練和運行 LLaMA 本身的代碼（使用原始的 Meta-LLaMA 權重）外，還包含用于使用 LLaMA Adapter 和 LoRA 微調(diào) LLaMA 的代碼。作者建議使用以下操作方法文件：
Alpaca 52k 數(shù)據(jù)集是使用上述 Self-Instruct 程序收集的。但是，也可以使用（或?qū)⑵渑c）替代數(shù)據(jù)集進行比較。例如，一個有趣的候選數(shù)據(jù)集是最近發(fā)布的開源 databricks-doolly-15k 數(shù)據(jù)集，該數(shù)據(jù)集包含 databricks 員工編寫的約 15k 條指令 / 響應微調(diào)記錄。Lit LLaMA 存儲庫包含一個數(shù)據(jù)集制備腳本，可以選擇使用 Dolly 15k 數(shù)據(jù)集。給定以下超參數(shù)設置（塊大小、批大小和 LoRA 的 r），Adapter 和 LoRA 都可以以 bfloat-16 的混合精度，在具有 24 Gb RAM 的單個 GPU 上微調(diào) 7B 參數(shù)的 LLaMA 基本模型。LoRA
LaMA Adapter
如果代碼將來發(fā)生變化，GitHub 上會同步更新代碼（帶有超參數(shù)設置）。Adapter 在 A100 上使用了大約 22 Gb 的空間，并在 162 分鐘內(nèi)完成了 62400 次迭代。同樣的迭代次數(shù)下，LoRA 使用了 21 Gb 的內(nèi)存，在 192 分鐘內(nèi)完成?？傊瑯踊?Lit-LLaMA 的 Adapter 和 LoRA 使用的 RAM 數(shù)量大致相同，訓練時間大致相同。（請注意，這是在單個 GPU 上進行的，但如果有多個 GPU，只需將設備參數(shù)更改為 > 1 即可利用額外的加速?。┫啾戎?，完全微調(diào)（LLaMA 7B 由 32 個 Transformer 塊和 3 個全連接的輸出層組成）需要至少 2 個具有至少 30Gb 的 GPU 和完全分片訓練來分配權重?；蛘?，可以使用 4 個 GPU，每個 GPU 的最大內(nèi)存使用量為 22 Gb。在 4 個 GPU 上進行訓練，訓練耗時 1956 分鐘。在單個 GPU 上至少需要 6000 分鐘，這將比參數(shù)高效的 LLaMA Adapter 或 LoRA 代價昂貴 30-40 倍。接下來，本文將介紹應用不同微調(diào)策略后的模型輸出。評估建模性能有幾種度量標準可用于評估 LLM 生成的文本。例如，困惑度、BLEU 和 ROUGE 分數(shù)是自然語言處理中用來評估 LLM 在各種任務中的表現(xiàn)的一些最常見的評估指標。然而，所有這些指標都有很大的缺點，人工評估仍然是黃金標準 —— 人工評估的缺點是創(chuàng)建成本高，難以自動化。簡單起見，本文只關注定性比較，看看各種模型產(chǎn)生的一些輸出。為了對模型進行定性比較，本文將使用 “請解釋權重衰減是如何工作的” 作為 prompt。基準模型
請解釋一下權重衰減是如何工作的…… 以及為什么它有時看起來有效，有時無效！最簡單地說，權重衰減從模型中刪除特征（作為特征重要性的函數(shù)），它也被稱為正則化。推理時間 1:4.18 秒，11.95 個 token / 秒正如我們所看到的，模型開始通過附加 “… 以及為什么它有時看起來有效，有時不起作用！” 來補全 prompt。這是因為基礎模型只在下一個單詞預測任務中進行了訓練，沒有經(jīng)過專門的訓練來處理指令。盡管如此，它試圖在下面進一步解釋。這種解釋對正則化做出了一些正確的解釋，但它并沒有真正捕捉到權重衰減的關鍵機制。LLaMA-Adapter
權重衰減是一種懲罰詞條字數(shù)的方法。通過選擇單詞較少的句子，模型更有可能選擇那些可能提供重要信息的句子。推理時間：總計 7.04 秒，14.21 個 tokens/sec。使用的內(nèi)存：13.56 GB。這個解釋在語法上是合理的，但也不一定是我們想要的。LoRA
權重衰減是機器學習模型中用于減少過擬合的算法參數(shù)。這是一個調(diào)整模型權重的過程，以減少模型中不太重要的特征的影響并防止過擬合。權重衰減是通過向權重添加少量噪聲來減少模型對訓練數(shù)據(jù)的影響。這個過程鼓勵模型更多地關注對預測任務更重要的特征。推理時間：總計 3.25 秒，30.76 個 tokens/sec。使用的內(nèi)存：27.65 GB。可以看到離期望的答案越來越近了；放到廣義線性模型中，這種解釋確實有意義，在廣義線性模型中，會強迫模型學習與輸入特征相乘結果較小的權重參數(shù)。在神經(jīng)網(wǎng)絡中，這通常會應用于模型中的所有權重參數(shù)。上面的 LoRA 方法目前來說使用的內(nèi)存最多。然而，如前所述，可以通過將 LoRA 權重與預訓練的模型權重合并來減少這種內(nèi)存使用。由于評估 LLM 本身就是一個大課題，因此這種定性概述只能反應每個模型能力的一小部分。但這里的要點是，LoRA 可以用于以相對經(jīng)濟高效的方式在指令數(shù)據(jù)集上微調(diào) LLM。結論本文討論了低秩自適應（LoRA），這是一種參數(shù)完全微調(diào)的有效替代方案。使用 LoRA，可以在幾個小時內(nèi)在單個 GPU 上對 LLaMA 等相對較大的模型進行微調(diào)，這使得它對那些不想在 GPU 資源上花費數(shù)千美元的人特別有吸引力。LoRA 的特別之處在于，可以選擇性地將新的 LoRA 權重矩陣與原始的預訓練權重合并，這樣在推理過程中就不會產(chǎn)生額外的開銷或復雜性。隨著越來越多的 ChatGPT 或 GPT-4 開源替代品的出現(xiàn)，在特定的目標數(shù)據(jù)集或目標上微調(diào)和定制這些 LLM 將在各個研究領域和行業(yè)變得越來越有吸引力。而 LoRA 等參數(shù)有效的微調(diào)技術使微調(diào)更具資源效率和可訪問性。Lit LLaMA 存儲庫中提供了諸如 LoRA 和 LLaMA Adapter 之類的參數(shù)高效微調(diào)技術。原文鏈接：https://lightning.ai/pages/community/tutorial/lora-llm/
作者：Sebastian Raschka
機器之心編譯
編輯：趙陽
LoRA 微調(diào)方法，隨著大模型的出現(xiàn)而走紅。
進NLP群—>加入NLP交流群
最近幾個月，ChatGPT 等一系列大語言模型（LLM）相繼出現(xiàn)，隨之而來的是算力緊缺日益嚴重。雖然人人都想打造專屬于自己的大模型，但是能負擔得起上億參數(shù)模型訓練的機構卻寥寥無幾。在快速發(fā)展的人工智能領域，以高效和有效的方式使用大型語言模型正變得越來越重要。LoRA（Low-Rank Adaption，低秩自適應） 作為微調(diào) LLMs 一種比較出圈的技術，其額外引入了可訓練的低秩分解矩陣，同時固定住預訓練權重，從而大大減少了下游任務的可訓練參數(shù)數(shù)量。本文中，來自 Lightning AI 首席人工智能教育家 Sebastian Raschka 將帶你了解如何以高效的方式用 LoRA 來微調(diào) LLM。下面是全文內(nèi)容。為什么要進行微調(diào)？預訓練大語言模型通常被稱為基礎模型，這樣稱呼的原因是：大語言模型在各種任務中表現(xiàn)良好，可以將它們用作對目標任務進行微調(diào)的基礎。正如 Sebastian Raschka 在上一篇博文《Understanding Parameter-Efficient Finetuning of Large Language Models: From Prefix Tuning to LLaMA-Adapters》中所討論的，微調(diào)能夠使模型適應目標域和目標任務。盡管如此，大模型在計算上的成本可能非常昂貴 —— 模型越大，更新其網(wǎng)絡層的成本就越高。如果不想將網(wǎng)絡中所有的層都進行更新，可以使用諸如前綴微調(diào)和適配器之類的高效調(diào)參方法。如今，有一種更流行的微調(diào)技術：Hu 等人提出的低秩自適應（LoRA）。什么是 LoRA？它是如何工作的？它與其他流行的微調(diào)方法相比如何？本文將回答所有這些問題。
提高權重更新效率論文《 LoRA: Low-Rank Adaptation of Large Language Models》提出將權重變化 ΔW 分解為秩較低的表示。（LoRA 不會直接分解矩陣，而是通過反向傳播來學習分解的矩陣）。在仔細研究 LoRA 之前，我們先簡要解釋一下規(guī)則微調(diào)期間的訓練程序。首先是權重變化 ΔW。假設 W 表示給定神經(jīng)網(wǎng)絡層中的權重矩陣。然后，使用常規(guī)反向傳播，我們可以獲得權重更新 ΔW，它通常被計算為損失乘以學習率的負梯：然后，得到 ΔW 后，原始權重按如下公式更新：W'=W+ΔW。如下圖所示（為了簡單起見，省略了偏置矢量）。或者，我們可以保持權重更新矩陣分離，并按如下公式計算輸出：h=Wx+ΔWx：
其中 x 表示輸入，如下所示：
?當在神經(jīng)網(wǎng)絡中訓練全連接（即 dense）層時，如上所示，權重矩陣通常具有全秩，這意味著矩陣不具有任何線性相關（即冗余）的行或列。相比之下，與全秩相比，低秩意味著矩陣具有冗余的行或列。 因此，盡管預訓練模型的權重是滿秩矩陣，但根據(jù) Aghajanyan 等人的說法，LoRA 的作者指出預訓練的大型語言模型在適應新任務時具有較低的內(nèi)在維度。低內(nèi)在維度意味著數(shù)據(jù)可以由低維度空間有效地表示或近似，同時保留其大部分基本信息或結構。換句話說，這意味著可以將適應任務的新權重矩陣分解為低維（較?。┚仃嚕粫G失太多重要信息。例如，假設 ΔW 是 A×B 維權重矩陣的權重更新矩陣，這個權重更新矩陣可以分解為兩個較小的矩陣：ΔW=W_A W_B，其中 W_A 是 A×r 維矩陣，W_B 是 r×B 維矩陣。在這里，我們保持原始權重 W 凍結，并且只訓練新的矩陣 W_A 和 W_B。如下圖所示。
，這意味著需要從原始權重開始訓練。參數(shù)效率接下來說一說最棘手的問題：如果引入新的權重矩陣，參數(shù)如何才能有效？新的矩陣 W_A 和 W_B 可以非常小。例如，假設 A=100，B=500，那么 ΔW 的大小為 100×500=50000。如果將其分解為兩個較小的矩陣，一個 100×5 維矩陣 W_A 和一個 5×500 維矩陣 W_B。這兩個矩陣總共只有 5×100+5×500=3000 個參數(shù)。減少推理開銷在實踐中，如果在如上所示的訓練后保持原始權重 W 以及矩陣 W_A 和 W_B 處于分離狀態(tài)，推理過程中就會額外產(chǎn)生效率損失，因為引入了額外的計算步驟。相反可以在訓練后通過 W’=W+W_A?W_B 更新權重，這類似于前面提到的 W’=W+ΔW。然而，保持權重矩陣 W_A 和 W_B 分離也可能有些優(yōu)勢。例如，假設希望保留預訓練的模型作為各種客戶的基礎模型，并且希望從基礎模型開始為每個客戶創(chuàng)建一個微調(diào)的 LLM。在這種情況下，就不需要為每個客戶存儲完整的權重矩陣 W’。不然存儲模型的所有權重 W’=W+W_A W_B 對于 LLM 來說可能非常大，因為 LLM 通常具有數(shù)十億到數(shù)萬億的權重參數(shù)。因此，可以保留原始模型 W，只需要存儲新的輕量級矩陣 W_A 和 W_B。用具體的數(shù)字來說明的話，一個完整的 7B LLaMA checkpoint 需要 23 GB 的存儲容量，而選擇 r=8 的秩，則 LoRA 權重可以小到 8 MB。實踐效果LoRA 在實踐中有多好，與完全微調(diào)和其他參數(shù)有效方法相比如何？根據(jù) LoRA 的論文，在幾個特定任務的基準測試中，使用 LoRA 的模型的建模性能略好于使用 Adapters、prompt tuning 或 prefix tuning 的模型。通常，LoRA 的性能甚至比微調(diào)所有層更好，如下面 LoRA 論文的注釋表所示。值得注意的是，LoRA 與其他微調(diào)方法正交，這意味著它也可以與 Adapters 或 prefix tuning 相結合。LoRA & LLaMA現(xiàn)在，讓我們使用 LoRA 來微調(diào) Meta 提出的 LLaMA 模型。除了用于訓練和運行 LLaMA 本身的代碼（使用原始的 Meta-LLaMA 權重）外，還包含用于使用 LLaMA Adapter 和 LoRA 微調(diào) LLaMA 的代碼。作者建議使用以下操作方法文件：
-
下載預訓練的權重：https://github.com/Lightning-AI/lit-llama/blob/main/howto/download_weights.md
-
使用 LoRA 進行微調(diào)：https://github.com/Lightning-AI/lit-llama/blob/main/howto/finetune_lora.md
-
使用適配器進行微調(diào)：https://github.com/Lightning-AI/lit-llama/blob/main/howto/finetune_adapter.md（可選，用于比較研究）
下一節(jié)將比較 7B LLaMA 基礎模型與使用 LoRA 和 LLaMA Adapter 微調(diào)的 7B LLaMA 基礎模型。（請注意，需要具有至少 24 GB RAM 的 GPU）。計算性能基準本節(jié)中，作者將比較 LLaMA 7B 基礎模型與使用 LoRA 和 LLaMA Adapter 微調(diào)的基礎模型的計算性能。微調(diào)數(shù)據(jù)集是 Alpaca 52k 指令數(shù)據(jù)集，其結構如下：
-
種子任務池，包含一組人工編寫的指令（本例中為 175 條）和樣本指令；
-
使用預訓練的 LLM（如 GPT-3）來確定任務類別；
-
給定新指令，讓預訓練的 LLM 生成響應結果；
-
在將響應結果添加到任務池之前，先收集、剪枝和篩選響應結果。
Alpaca 52k 數(shù)據(jù)集是使用上述 Self-Instruct 程序收集的。但是，也可以使用（或?qū)⑵渑c）替代數(shù)據(jù)集進行比較。例如，一個有趣的候選數(shù)據(jù)集是最近發(fā)布的開源 databricks-doolly-15k 數(shù)據(jù)集，該數(shù)據(jù)集包含 databricks 員工編寫的約 15k 條指令 / 響應微調(diào)記錄。Lit LLaMA 存儲庫包含一個數(shù)據(jù)集制備腳本，可以選擇使用 Dolly 15k 數(shù)據(jù)集。給定以下超參數(shù)設置（塊大小、批大小和 LoRA 的 r），Adapter 和 LoRA 都可以以 bfloat-16 的混合精度，在具有 24 Gb RAM 的單個 GPU 上微調(diào) 7B 參數(shù)的 LLaMA 基本模型。LoRALaMA Adapter如果代碼將來發(fā)生變化，GitHub 上會同步更新代碼（帶有超參數(shù)設置）。Adapter 在 A100 上使用了大約 22 Gb 的空間，并在 162 分鐘內(nèi)完成了 62400 次迭代。同樣的迭代次數(shù)下，LoRA 使用了 21 Gb 的內(nèi)存，在 192 分鐘內(nèi)完成?？傊瑯踊?Lit-LLaMA 的 Adapter 和 LoRA 使用的 RAM 數(shù)量大致相同，訓練時間大致相同。（請注意，這是在單個 GPU 上進行的，但如果有多個 GPU，只需將設備參數(shù)更改為 > 1 即可利用額外的加速?。┫啾戎?，完全微調(diào)（LLaMA 7B 由 32 個 Transformer 塊和 3 個全連接的輸出層組成）需要至少 2 個具有至少 30Gb 的 GPU 和完全分片訓練來分配權重?；蛘?，可以使用 4 個 GPU，每個 GPU 的最大內(nèi)存使用量為 22 Gb。在 4 個 GPU 上進行訓練，訓練耗時 1956 分鐘。在單個 GPU 上至少需要 6000 分鐘，這將比參數(shù)高效的 LLaMA Adapter 或 LoRA 代價昂貴 30-40 倍。接下來，本文將介紹應用不同微調(diào)策略后的模型輸出。評估建模性能有幾種度量標準可用于評估 LLM 生成的文本。例如，困惑度、BLEU 和 ROUGE 分數(shù)是自然語言處理中用來評估 LLM 在各種任務中的表現(xiàn)的一些最常見的評估指標。然而，所有這些指標都有很大的缺點，人工評估仍然是黃金標準 —— 人工評估的缺點是創(chuàng)建成本高，難以自動化。簡單起見，本文只關注定性比較，看看各種模型產(chǎn)生的一些輸出。為了對模型進行定性比較，本文將使用 “請解釋權重衰減是如何工作的” 作為 prompt。基準模型請解釋一下權重衰減是如何工作的…… 以及為什么它有時看起來有效，有時無效！最簡單地說，權重衰減從模型中刪除特征（作為特征重要性的函數(shù)），它也被稱為正則化。推理時間 1:4.18 秒，11.95 個 token / 秒正如我們所看到的，模型開始通過附加 “… 以及為什么它有時看起來有效，有時不起作用！” 來補全 prompt。這是因為基礎模型只在下一個單詞預測任務中進行了訓練，沒有經(jīng)過專門的訓練來處理指令。盡管如此，它試圖在下面進一步解釋。這種解釋對正則化做出了一些正確的解釋，但它并沒有真正捕捉到權重衰減的關鍵機制。LLaMA-Adapter權重衰減是一種懲罰詞條字數(shù)的方法。通過選擇單詞較少的句子，模型更有可能選擇那些可能提供重要信息的句子。推理時間：總計 7.04 秒，14.21 個 tokens/sec。使用的內(nèi)存：13.56 GB。這個解釋在語法上是合理的，但也不一定是我們想要的。LoRA權重衰減是機器學習模型中用于減少過擬合的算法參數(shù)。這是一個調(diào)整模型權重的過程，以減少模型中不太重要的特征的影響并防止過擬合。權重衰減是通過向權重添加少量噪聲來減少模型對訓練數(shù)據(jù)的影響。這個過程鼓勵模型更多地關注對預測任務更重要的特征。推理時間：總計 3.25 秒，30.76 個 tokens/sec。使用的內(nèi)存：27.65 GB。可以看到離期望的答案越來越近了；放到廣義線性模型中，這種解釋確實有意義，在廣義線性模型中，會強迫模型學習與輸入特征相乘結果較小的權重參數(shù)。在神經(jīng)網(wǎng)絡中，這通常會應用于模型中的所有權重參數(shù)。上面的 LoRA 方法目前來說使用的內(nèi)存最多。然而，如前所述，可以通過將 LoRA 權重與預訓練的模型權重合并來減少這種內(nèi)存使用。由于評估 LLM 本身就是一個大課題，因此這種定性概述只能反應每個模型能力的一小部分。但這里的要點是，LoRA 可以用于以相對經(jīng)濟高效的方式在指令數(shù)據(jù)集上微調(diào) LLM。結論本文討論了低秩自適應（LoRA），這是一種參數(shù)完全微調(diào)的有效替代方案。使用 LoRA，可以在幾個小時內(nèi)在單個 GPU 上對 LLaMA 等相對較大的模型進行微調(diào)，這使得它對那些不想在 GPU 資源上花費數(shù)千美元的人特別有吸引力。LoRA 的特別之處在于，可以選擇性地將新的 LoRA 權重矩陣與原始的預訓練權重合并，這樣在推理過程中就不會產(chǎn)生額外的開銷或復雜性。隨著越來越多的 ChatGPT 或 GPT-4 開源替代品的出現(xiàn)，在特定的目標數(shù)據(jù)集或目標上微調(diào)和定制這些 LLM 將在各個研究領域和行業(yè)變得越來越有吸引力。而 LoRA 等參數(shù)有效的微調(diào)技術使微調(diào)更具資源效率和可訪問性。Lit LLaMA 存儲庫中提供了諸如 LoRA 和 LLaMA Adapter 之類的參數(shù)高效微調(diào)技術。原文鏈接：https://lightning.ai/pages/community/tutorial/lora-llm/
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
語言模型
+關注
關注
0文章
524瀏覽量
10277 -
LoRa
+關注
關注
349文章
1689瀏覽量
231962 -
ChatGPT
+關注
關注
29文章
1561瀏覽量
7673
原文標題：調(diào)教LLaMA類模型沒那么難，LoRA將模型微調(diào)縮減到幾小時
文章出處：【微信號：zenRRan，微信公眾號：深度學習自然語言處理】歡迎添加關注！文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關推薦
NVIDIA AI Foundry 為全球企業(yè)打造自定義 Llama 3.1 生成式 AI 模型
Foundry 提供從數(shù)據(jù)策管、合成數(shù)據(jù)生成、微調(diào)、檢索、防護到評估的全方位生成式 AI 模型服務，以便部署自定義 Llama 3.1 NVIDIA NIM 微服務和新的 NVIDIA NeMo
發(fā)表于 07-24 09:39
?713次閱讀
【飛騰派4G版免費試用】仙女姐姐的嵌入式實驗室之五~LLaMA.cpp及3B“小模型”O(jiān)penBuddy-StableLM-3B
和語法規(guī)則，將這些詞匯串聯(lián)起來，形成一個完整的回答
關于LLaMA及LLaMA.cpp
LLaMA全稱是Large Language Model Meta AI，是由Meta AI研
發(fā)表于 12-22 10:18
MEMS器件縮減模型建模方法研究
論述了微機電系統(tǒng)(MEMS)器件縮減模型的建立是進行MEMS系統(tǒng)級模擬的關鍵。論證了基于線性正交振型建立MEMS器件縮減模型是一種有效的方法，導出了MEMS器件動態(tài)
發(fā)表于 05-28 11:19
?17次下載
新突破！超級計算機上深度學習訓練時間縮減到數(shù)分鐘
微軟和瑞士國家計算中心（CSCS）的科學家們?nèi)〉昧酥卮笸黄疲?b class='flag-5'>將超級計算機上深度學習的訓練時間縮減到數(shù)分鐘。訓練時間的縮短，再加上超級計算機技術的引入，或能夠解決現(xiàn)在在圖像、視頻和語音識別，自然語言
發(fā)表于 05-11 12:55
?2607次閱讀
使用LoRA和Hugging Face高效訓練大語言模型
在本文中，我們將展示如何使用 大語言模型低秩適配 (Low-Rank Adaptation of Large Language Models，LoRA) 技術在單 GPU 上微調(diào) 1
iPhone都能微調(diào)大模型了嘛
一起提出的新方法 QLoRA 把微調(diào)大模型的 顯存需求從>780GB降低到 。 開源社區(qū)直接開始狂歡，相關論文成為24小時內(nèi)關注度最高的AI論文。 ? 以Meta的美洲駝LLaMA為基
一種新穎的大型語言模型知識更新微調(diào)范式
我們使用LLAMA2-7B作為實驗的基礎模型。我們主要評估將舊知識更新為新知識的能力，因此模型將首先在舊知識上進行為期3個時期的
發(fā)表于 12-01 15:10
?444次閱讀
不要錯過！NVIDIA “大模型沒那么泛！”主題活動
提供實踐指導，推動大模型的應用，特別為大模型的 入門開發(fā)者量身定制 。 活動采用線上直播形式，每位專家演講 30 分鐘，深入解讀大模型通識和應用，每位專家演講結束后有 15 分鐘 QA 環(huán)節(jié)，各位開發(fā)者可以與專家在線交流溝通。
四種微調(diào)大模型的方法介紹
全微調(diào)（Full Fine-tuning）：全微調(diào)是指對整個預訓練模型進行微調(diào)，包括所有的模型參數(shù)。在這種方法中，預訓練
發(fā)表于 01-03 10:57
?2.4w次閱讀
Meta Llama 3基礎模型現(xiàn)已在亞馬遜云科技正式可用
亞馬遜云科技近日宣布，Meta公司最新發(fā)布的兩款Llama 3基礎模型——Llama 3 8B和Llama 3 70B，現(xiàn)已正式上線并集成至Amazon SageMaker JumpS
大模型為什么要微調(diào)？大模型微調(diào)的原理
難以達到最佳性能。為了提升模型在特定任務上的表現(xiàn)，微調(diào)（Fine-tuning）成為了一個關鍵步驟。本文將詳細探討大模型為什么要進行微調(diào)以及
英偉達發(fā)布AI模型 Llama-3.1-Nemotron-51B AI模型
速度比原70B大模型提升2.2倍，具備更準確和更高效的運算效率；能夠大幅降低運行成本。 ? ? ? 通過NAS技術微調(diào)；大幅降低了內(nèi)存消耗、計算復雜性；Llama-3.1-Nemotron-51B AI
亞馬遜云科技上線Meta Llama 3.2模型
亞馬遜云科技近日宣布，Meta公司的新一代模型Llama 3.2已在其平臺上正式上線。該模型包括Meta首款多模態(tài)模型，現(xiàn)已在Amazon Bedrock和Amazon SageMak
Llama 3 語言模型應用
在人工智能領域，語言模型的發(fā)展一直是研究的熱點。隨著技術的不斷進步，我們見證了從簡單的關鍵詞匹配到復雜的上下文理解的轉(zhuǎn)變。 一、Llama 3 語言模型的核心功能 上下文理解 ：Llama
Llama 3 模型訓練技巧
Llama 3 模型，假設是指一個先進的人工智能模型，可能是一個虛構的或者是一個特定領域的術語。 1. 數(shù)據(jù)預處理 數(shù)據(jù)是任何機器學習模型的基礎。在訓練之前，確保數(shù)據(jù)質(zhì)量至關重要。 數(shù)
工商網(wǎng)監(jiān)
評論