LoRA: 大语言模型个性化的最佳实践_lora nlp

出品人： Towhee 技术团队

大型语言模型（LLM）在今年获得了极大的关注。在以往，预训练+微调（finetuning）成为了让模型适配于特定数据的最佳范式。然而随着大型模型的出现，这种完全微调（重新训练所有模型参数）将变得越来越不可行。例如，如果使用GPT-3 175B，部署独立的经微调的模型实例（每个实例都有175B个参数）成本过高。在2021年，微软提出了一个方法叫LoRA（低秩适应），在大模型时代越来越受到重视，并且带来了非常好的效果。该方法冻结预训练模型的权重，并将可训练的秩分解矩阵注入到Transformer体系结构的每个层中，从而大大减少了下游任务所需的可训练参数数量。相对于使用Adam算法微调的GPT-3 175B模型，LoRA可以将可训练参数数量降低10,000倍，GPU内存需求减少3倍。此外，LoRA在RoBERTa、DeBERTa、GPT-2和GPT-3模型的模型质量方面表现与微调相当或更好，尽管它具有较少的可训练参数，更高的训练吞吐量，并且不像适配器（adapters），不会增加推理延迟。

｜LoRA's reparametrization: only train A and B.

｜Performance of RoBERTa pretrained with/without LoRA

这个实验结果很好地说明了这个算法的有效性。作者使用了RoBERTa模型在各个下游任务做finetune。FT就是使用全部参数进行训练，BitFit是只训练bias vector冻结住其他全部的权重。可以看出除了完全finetune，几种其他适配方法所训练的参数量都比较小。而LoRA可以训练较少的参数得到更好的结果。

LoRA不仅在NLP可以证明自己是很有效的办法，因为现在越来越多的算法都是基于transformer开发，而这个方法针对transformer非常容易适配。现在很火的stable-diffusion也已经被LoRA所攻陷，让大部分只拥有有限算力的用户可以快速finetune出一个针对自己数据所使用的LoRA模型。随着大模型越来越受到重视，成为各种任务的基线，相信这个方法会成为大模型时代的最常规的操作。

相关资料：

• https://arxiv.org/abs/2106.09685
• https://github.com/microsoft/LoRA
• https://github.com/huggingface/peft