知识卡片
增量剪枝不等于模型稀疏
将任务向量中部分改动置零,是把这些参数恢复到基座值,目标可在于减少合并干扰。基座对应参数仍存在,因此这种增量稀疏化不会自动减少完整模型内存或推理计算。应分别验证合并质量与实际资源收益。
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
微调后的模型本身并不会变稀疏。在这种情况下,剪枝不是为了减少内存占用或降低推理延迟,而是为了提升模型性能。
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:微调后的模型本身并不会变稀疏。在这种情况下,剪枝不是为了减少内存占用或降低推理延迟,而是为了提升模型性能。