知识卡片
低秩适配学习权重增量
LoRA冻结基座矩阵W,训练低秩增量AB,再以 W′=W+(α/r)AB 参与计算。若W为n×m,A为n×r、B为r×m,新增可训练量为r(n+m)。低秩限制的是增量,不要求原始W本身等于AB;原书“分解原矩阵”的说法容易误导。
flowchart LR
W[冻结的W] --> S[相加得到W更新后矩阵]
A[可训练A n乘r] --> M[低秩增量AB]
B[可训练B r乘m] --> M
M --> K[乘缩放系数alpha除r]
K --> S
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 微调
原书出处 · 1 处
- · 查看原书依据
在微调过程中,仅更新矩阵A和B中的参数,保持矩阵W不变。
参考来源
- 位置:《AI工程:大模型应用开发实战》第7章《微调》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section015.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:在微调过程中,仅更新矩阵A和B中的参数,保持矩阵W不变。