《论文阅读》LORA:大型语言模型的低秩自适应 2021

31 篇文章 12 订阅 ¥29.90 ¥99.00

《论文阅读》LORA: LOW-RANK ADAPTATION OF LARGE LAN-GUAGE MODELS

前言

今天为大家带来的是《LORA: LOW-RANK ADAPTATION OF LARGE LAN-GUAGE MODELS》

在这里插入图片描述


出版:

时间:2021年10月16日

类型:大语言模型的微调方法

关键词:

作者:Edward Hu, Yelong Shen 等

第一作者机构:Microsoft Corporation

github:https://github.com/microsoft/LoRA

简介

为了降低现有模型在下游任务上的计算成本和时间成本,本文提出一种利用低秩的矩阵的方法,将高维空间映射到低维空间,在减小成本的同时不损失模型表现,下图为常见大语言预训练模型在下游任务上的实现机制,通常一个任务有多少个不同的数据集就需要保留多少个备份模型,这样是非常不划算的。因此本文提出了低秩自适应 (Low-Rank Adaptation, LoRA),它冻结了预训练的模型权重,并将可训练的秩分解矩阵注入到 Transformer 架构的每一层,极大地减少了下游任务的可训练参数的数量,有效提升预训练模型在下游任务上的 finetune 效率

现有方法

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

365JHWZGo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值