中铁建设集团门户网站登录,个人网站推广方案,旅游网站建设网站推广,兰州装修公司排名前十对于大型模型来说#xff0c;重新训练所有模型参数的全微调变得不可行。比如GPT-3 175B#xff0c;模型包含175B个参数吗#xff0c;无论是微调训练和模型部署#xff0c;都是不可能的事。所以Microsoft 提出了低秩自适应(Low-Rank Adaptation, LoRA)#xff0c;它冻结了预…对于大型模型来说重新训练所有模型参数的全微调变得不可行。比如GPT-3 175B模型包含175B个参数吗无论是微调训练和模型部署都是不可能的事。所以Microsoft 提出了低秩自适应(Low-Rank Adaptation, LoRA)它冻结了预先训练好的模型权重并将可训练的秩的分解矩阵注入到Transformer体系结构的每一层从而大大减少了下游任务的可训练参数数量。
LoRA 对于预训练的权重矩阵W0可以让其更新受到用低秩分解表示后者的约束: 在训练过程中W0被冻结不接受梯度更新而A和B包含可训练参数。当hW0x时修正后的正向传播变为: 对A使用随机高斯初始化对B使用零初始化因此ΔWBA在训练开始时为零这点需要注意。
这种方法的一个优点是当部署到生产环境中时只需要计算和存储WW0BA并像往常一样执行推理。与其他方法相比没有额外的延迟因为不需要附加更多的层。
在Transformer体系结构中自关注模块中有四个权重矩阵(Wq、Wk、Wv、Wo) MLP模块中有两个权重矩阵。LoRA只对下游任务调整关注权重并冻结MLP模块。所以对于大型Transformer使用LoRA可减少高达2/3的VRAM使用量。比如在GPT-3 175B上使用LoRA可以将训练期间的VRAM消耗从1.2TB减少到350GB。
结果展示 采用HuggingFace Transformers库中的预训练RoBERTa base (125M)和RoBERTa large (355M)还有DeBERTa XXL (1.5B)进行了评估。它们通过不同的微调方法进行微调。
在大多数情况下使用LoRA可以在GLUE上获得最佳性能。 GPT-3 175B在WikiSQL和mnli匹配的几种自适应方法的可训练参数数的比较 可以看到使用GPT-3, LoRA匹配或超过所有三个数据集的微调基线。
Stable Diffusion
Lora首先被应用在大语言模型上但是可能被更多人知道的还是他在SD上的应用 在Stable Diffusion微调的情况下LoRA可以应用于将图像表示与描述它们的提示联系起来的交叉注意力层。下图的细节并不重要只需知道黄色块是负责构建图像和文本表示之间关系的块。 所以可以看到这样训练出来的自定义Lora模型会非常的小。
我个人实验Stable Diffusion进行全面的微调需要最少24G的显存。但是使用Lora批处理大小为2的单进程训练可以在单个12GB GPU上完成(不使用xformer的10GB使用xformer的6GB)。
所以Lora在图像生成领域也是非常好的一个微调模型的方式。如果你想了解更多这里是论文地址
https://avoid.overfit.cn/post/407a85d672384969848f8bc5cb9bc5fe
