从零开始讲解LoRA——大语言模型的PEFT(Parameter-Efficient Fine-Tuning)系列_lora peft

一、引言

        LoRA(Low-Rank Adaptation Of Large Language Model)，是一种大语言模型的低秩自适应方法。LoRA 在保持预训练模型的权重不变的情况下，通过给做下游微调任务的模型注入可以训练的秩分解矩阵。通过这种方式，可以使预训练模型在下游的微调任务当中，不用去学习全量的训练参数，因此大大降低了模型的训练参数量，同时降低了GPU内存的需求。

        LoRA已经证实了在RoBERTa，DeBERTa,GPT系列模型以及一系列的LLM中证明了自己的效果。在175B 的GPT3使用Adam 的微调学习中，LoRA能降低10000倍的训练参数，同时GPU内存使用降低了三倍。在RoBERTa、DeBERTa、GPT-2和GPT-3上，LoRA在模型质量方面表现与微调相当或更好，LoRA具有更少的可训练参数、更高的训练吞吐量，且与适配器不同，它没有额外的推理延迟。

二、LoRA的具体实现

        LoRA 的具体实现可以参照上图，这也是LoRA论文中的说明图，非常的简洁而且易懂。LoRA 把预训练模型的权重冻结，将微调阶段学习到的权重的增量部分进行矩阵的秩分解，将秩分解后的矩阵A与B注入到模型的Transformer架构的每一层中。

        具体来说，对于预训练模型的transformer结构中的学习权重 ，LoRA 可以通过以下的方式来实现其权重的更新，其中，。且秩。其中，参数在学习中是被冻结的，更新的部分是，通过LoRA转化为。

        为什么秩r 需要远小于d和k？那是因为我们要更新的权重的参数量为d*k个。而我们通过LoRA，把更新的那部分转化为了。更新的参数量因此从d*k 转化为了 B的参数量 + A的参数量，即 d * r + r *k 个参数。因此，当 秩r 需要远小于d和k 时，我们可以大幅度的降低更新的参数量。

        同时，我们把模型的反馈函数转化为了：

                        。

三、关于LoRA的一些问题

问题1：LoRA用在模型的什么地方？

答：LoRA 用在预训练模型的Transformer架构上的每一层。注意，是每一层！LoRA的主要思想是在预训练模型的每一层中保持训练前权重不变，同时在每一层中注入可训练的秩分解矩阵，从而大大减少了针对下游任务的可训练参数数量。因此，不管是Transformer的FFN，还是attention，都会注入LoRA的秩分解矩阵。

问题2：如何确定适当的秩分解矩阵大小？

答：确定适当的秩分解矩阵大小（即LoRA的秩r）需要考虑以下几点：

1. 性能：选择合适的秩分解矩阵大小以实现理想的模型性能。在实验中，即使使用很小的r（例如1或2），LoRA仍然可以与完全微调相媲美，甚至表现更好。

2. 子空间相似性：检查不同秩选择和不同随机种子下学习到的子空间之间的相似性。增加r并不能涵盖更有意义的子空间，这表明低秩适应矩阵就足够了。

3. 适应矩阵与预训练权重的关系：研究适应矩阵∆W与预训练权重W之间的关系。∆W与W之间的相关性可以帮助了解适应预训练语言模型的机制。

        综上所述，选择适当的秩分解矩阵大小需要在性能、子空间相似性和适应矩阵与预训练权重的关系等方面进行综合评估。

问题3：LoRA（Low-Rank Adaptation）相对于其他自适应方法具有哪些优势？

答：

1. 存储和计算效率：LoRA通过优化训练过程中权重更新的低秩分解矩阵，大大减少了可训练参数的数量，从而降低了存储和计算需求。

2. 无需额外的推理延迟：与适配器层不同，LoRA在训练过程中并行地添加可训练的低秩矩阵，因此不会引入额外的推理延迟。

3. 高度可组合性：LoRA可以与许多现有方法（如前缀调整）结合使用，进一步提高模型的效果和效率。

4. 快速任务切换：LoRA允许在共享大部分模型参数的情况下快速切换任务，从而降低了存储需求和任务切换开销。

5. 与模型质量相当或更好的表现：尽管LoRA具有较少的可训练参数、更高的训练吞吐量和与适配器不同的无额外推理延迟，但在RoBERTa、DeBERTa、GPT-2和GPT-3上的表现与完全微调相当或更好。

参考资料

1. https://arxiv.org/abs/2106.09685