DoRA：大模型微调从LoRA到DoRA，还有哪些模型微调的优化空间

一句话总结：将预训练权重分解为大小（magnitude）和方向（direction）两个组成部分，并分别对它们进行微调，较LoRA进一步细化。

先简单复习一下LoRA：

即通过低秩矩阵展开，将原本需要微调的全基础网络，变成仅需要微调低秩展开矩阵的形式，大幅度减少了所需的参数量。

更新方式：

在2020年的文章《Intrinsic Dimensionality Explains the Effectiveness of Language Model Fine-Tuning》中，已经证明了在预训练的NLP模型中，可以投影到更低维度的子空间，同时保持较好的最终表现。

回到DoRA：

---

首先我们给出一个完整流程图（尤其注意和LoRA的对比，多了一层）：

它将预训练权重分解为幅度和方向组件用于微调，尤其是与LoRA一起使用以有效更新方向组件。其中|| · ||c表示矩阵的每个列向量的向量范数。

权重解耦的Low-Rank Adaptation：

DoRA方法的核心是将预训练的权重分解为两个部分：大小（magnitude）和方向（direction）。 这种分解基于权重归一化（Weight Normalization）的思想，旨在通过重新参数化权重矩阵来加速优化过程。

初始化权重分解：

预训练权重：记为𝑊0∈𝑅𝑑×𝑘，其中𝑑d和𝑘k分别是权重矩阵的维度。

分解：权重矩阵𝑊被分解为𝑊=𝑚𝑉，其中𝑚∈𝑅1×𝑘是大小向量，𝑉∈𝑅𝑑×𝑘是方向矩阵，且∥𝑉∥𝑐=∥𝑊∥𝑐，保证了𝑉的每一列在初始化时都是单位向量。

微调过程：

首先固定方向矩阵：在微调过程中，方向矩阵𝑉被保持固定，而大小向量𝑚m被设为可训练的参数。LoRA应用于方向更新：方向组件的更新通过LoRA方法实现，即使用两个低秩矩阵𝐵∈𝑅𝑑×𝑟和𝐴∈𝑅𝑟×𝑘的乘积来学习方向更新Δ𝑉，其中𝑟≪min⁡(𝑑,𝑘)。

更新后的权重表示：

微调后的权重：记为𝑊′，可以表示为𝑊′=𝑚(𝑉+Δ𝑉)，或者等价地表示为：

其中𝐵𝐴是LoRA方法中用于更新的低秩矩阵乘积。

DoRA的梯度计算：

---

观察DoRA如何通过其权重分解策略来影响梯度的计算。

梯度表达式的推导步骤：

STEP1，权重矩阵的更新：权重矩阵𝑊′通过分解为𝑚(𝑉+Δ𝑉)，其中Δ𝑉是低秩更新。

STEP2，损失函数关于W′的梯度：记为∇𝑊′𝐿，是损失函数𝐿关于权重矩阵𝑊′的梯度。

STEP3，损失函数关于m和V′的梯度：推导出损失函数关于大小向量𝑚和方向矩阵𝑉′=𝑉+Δ𝑉的梯度，分别为∇𝑚𝐿和∇𝑉′𝐿。

我们进一步，基于以上公式。更深入地理解DoRA的学习模式。

这里假设向量𝑤′′=𝑤′+Δ𝑤表示权重向量的参数更新，其中Δ𝑤与∇𝑤′𝐿（损失函数关于权重𝑤′的梯度）成比例。

假设更新场景 S1 和 S2：

S1：涉及较小的方向更新(Δ𝐷𝑆1)。

S2：涉及较大的方向更新(Δ𝐷𝑆2)。

假设条件：∣∣Δ𝑤𝑆1∣∣=∣∣Δ𝑤𝑆2∣∣，意味着两个场景下的更新向量具有相同的范数（长度）。

更新方向的比较：

方向更新的比较：由于Δ𝐷𝑆1<Δ𝐷𝑆2，可以推断出∣cos⁡(Δ𝑤𝑆1,𝑤′)∣>∣cos⁡(Δ𝑤𝑆2,𝑤′)∣，这表明较小的方向更新在方向上与原始权重𝑤′w′的差异更小。

梯度与更新的关系：由于Δ𝑤与∇𝑤′𝐿成比例，较小的方向更新意味着∣cos⁡(∇𝑆1𝑤′𝐿,𝑤′)∣>∣cos⁡(∇𝑆2𝑤′𝐿,𝑤′)∣，即梯度与权重向量在方向上的差异更小。

初始化和梯度计算：

初始化：在时间0时，Δ𝑣=0且𝑣′=𝑣。

梯度计算：使用余弦相似性公式，当Δ𝑣=0时，cos⁡(∇𝑤′𝐿,𝑣′)=∇𝑤′𝐿⋅𝑣∣∣∇𝑤′𝐿∣∣⋅∣∣𝑣∣∣。

大小更新的梯度及比较：

大小更新的梯度：记𝑚∗为向量𝑤′的大小标量，则方程(7)关于𝑚∗可以重写为

梯度比较：由于∣∣Δ𝑤𝑆1∣∣=∣∣Δ𝑤𝑆2∣∣和∣∣∇𝑆1𝑤′𝐿∣∣=∣∣∇𝑆2𝑤′𝐿∣∣，可以推断出∣∇𝑆1𝑚∗𝐿∣>∣∇𝑆2𝑚∗𝐿∣，表明在具有相同大小更新的情况下，S1有更大的大小更新和较小的方向变化。

降低训练开销：

---

在标准的DoRA实现中，由于需要对方向组件Δ𝑉进行更新，因此在反向传播过程中，𝑊′和Δ𝑊的梯度相同，但Δ𝑉的更新会导致额外的内存消耗。

为了解决这个问题，论文提出了一种将∥𝑉+Δ𝑉∥𝑐 在反向传播中视为常数的方法。这意味着，尽管∥𝑉+Δ𝑉∥𝑐会动态地反映Δ𝑉的更新，但在反向传播期间不会接收梯度。

通过这种修改，梯度计算不会依赖于∥𝑉+Δ𝑉∥𝑐的动态变化。因此，梯度∇𝑉′𝐿可以重新定义为：

实验验证：

论文通过在LLaMA和VL-BART模型上的实验来验证这种修改对训练内存消耗和模型准确率的影响。实验结果显示，这种修改可以在微调LLaMA时将训练内存消耗减少约24.4%，在VL-BART上减少约12.4%。

同时，对于VL-BART，修改后的DoRA准确率保持不变；对于LLaMA，准确率仅有微不足道的下降（0.2%）。

实验部分：

---

在Llama-7B和Llama-13B伤的对比数据：

其他任务下和LoRA的横向对比：

在LLAMA2-7B下不同steps的优化对比：

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓