深度学习：lora微调_lora_rank

  lora微调是大模型常用的微调方法。
  lora（Low-Rank Adaptation的缩写）在保持原始模型参数不变的同时，在模型中添加了一小部分可训练参数。
  正常神经网络：输入x -> 全连接层（w） -> 输出y，训练时输入x，y数据来更新参数w，使得loss最小，w达到最优。但在大模型中，参数量都是几十几百亿，计算量极大，在进行梯度计算时，内存硬件都无法支持。
  而lora并不是修改全部参数，而是加个“外挂“，即原来是y = wx +b ,现在是y = wx + w’x +b，梯度下降时，只修改 w’ 以起到对矩阵w改变的作用。只需要修改很小的w’（这是我们加上的）,这个技术就叫lora技术。（w’是指微调过程中产生的更新量（权重增量），而这个权重增量使用两个矩阵表示）
  例如：输入x的维度为d维，输出y的维度为d维，那么权重维度维d*d。而外挂则是两个矩阵A*B（A、B矩阵维度为r*d，d*r）,可以发现A*B=d*d，和w矩阵一样，但参数量变成了2*d*r（r一般为8，10，12，…）,参数量的变化远远小于原来的变化。

其实就是将一个d*d矩阵，拆成了两个小矩阵：r*d和d*r。参数量变成了d*r + d*r，并且r<<d，所以参数变化远远小于原来，达到了减少资源消耗。
而所谓的lora_rank就是这个r，在代码的实际运用中可以自己设置。r越大，自身数据对模型起到的作用越大，r越小，自身数据对模型起到的作用越小
（增加秩会增加可训练参数的数量，LoRA 微调中的秩大小并不是越大越好，对于小型数据集如果r=1就可以达到很不错的效果，即便增加r得到的结果也没有太大差别，还会导致更高程度的过拟合，增加运行时间成本。因此选一个合适的lora_rank十分重要）

LoRA 的基本原理是冻结预训练好的模型权重参数，在冻结原模型参数的情况下，通过往模型中加入额外的网络层，并只训练这些新增的网络层参数（原来参数不改变，改变并联的参数，但并联的参数也太多了怎么办？就用两个小矩阵表示）
y = wx +b -> y = wx + w’x +b -> y = wx +A*B*x +b