LoRA (Low-Rank Adaptation) – метод параметрически эффективного дообучения больших нейросетей, предложенный исследователями Microsoft в 2021 году. Вместо изменения всех весов модели к выбранным слоям добавляются пары небольших матриц низкого ранга, и обучаются только они. Исходные веса заморожены.
Преимущества
- Обучается доля процента от параметров модели, что снижает требования к памяти GPU.
- Адаптер занимает мегабайты, а не гигабайты, его легко хранить и переключать.
- На одной базовой модели можно держать множество адаптеров под разные задачи.
- После обучения адаптер можно слить с весами модели, чтобы не замедлять вывод.
Разновидности
- QLoRA – обучение адаптеров поверх квантованной (сжатой) модели, что ещё сильнее снижает требования к памяти.
- Другие варианты адаптеров из семейства PEFT.
Где применяется
Дообучение языковых моделей под задачи компании, генеративных моделей изображений под стиль, моделей распознавания под домен.