)
一.adapter Turning
1.1adapter Turning原理
adapter Turning原理和LoRA很像,和之前说的pre Turning以及P-Turning不同.
- pre Turning以及P-Turning是通过和原数据拼接的方式来训练参数.这种方式的缺点是和原文本拼接会超出模型限制
- adapter Turning是在网络层中加新的网络层来适配新的任务.
1.2adapter Turning执行流程
adapter Turning不会调整模型的参数.只会修改adapter Turning中的参数(高效微调)
在原本的网络层中加入了适配器,适配器类似于前馈神经网络层(两个线性层中间加了一个激活函数),区别于前馈神经网络,adapter Turning是先降维后升维
1.3adapter Turning的缺点
- 因为大部分参数被冻结，adapter 的容量有限，对复杂任务或需要大规模参数调整的任务可能效果不如全量微调。
- Adapter 的维度大小（瓶颈层大小）、插入位置等超参数对性能影响较大，调参复杂度较高。
- PLM 基础上添加适配器层会引入额外的计算，带来推理延迟问题
因为adapter Turning的这些缺点,所以引入LoRA进行`高效微调
二.LoRA微调
2.1秩
作用:衡量矩阵中有多少线性无关的行和列
第一个矩阵秩为1,第二个矩阵的秩为2.
秩越大,独立信息越多.
2.2LoRA微调原理
我们先思考两个问题：为何用数千的样本就能将一个数十亿参数的模型微调得比较好？为何大模型表现出很好的few-shot能力?
Aghajanyan的研究 (《Intrinsic Dimensionality Explains the Effectiveness of Language ModelFine-Tuning》)）表明：预训练模型拥有极小的内在维度(instrisic dimension),即存在一个极低维度的参数，微调它和在全参数空间中微调能起到相同的效果【大模型在预训练阶段已经学到了更多的“通用特征”，所以在微调时，只需要在一个更小的方向空间中“对齐"或"修正“即可】。
同时Aghajanyan发现在预训练后，越大的模型有越小的内在维度，这也解释了为何大模型都拥有很好的few-shot能力【因为它们已经覆盖了大部分语言知识，少量参数更新（甚至几条示例 in-context）就能把输出方向调整到目标任务】。
总的来说,大模型已经学到了大部分知识,只需要一些点播就可以很好的完成下游任务
LoRA微调使用两个低秩矩阵来代替原有的参数矩阵,极大的减少了参数的训练量.
2.3LoRA的使用
2.3.1基本原理
LoRA技术冻结预训练模型的权重，并在每个Transformer块中注入可训练层（称为秩分解矩阵），即在模型的Linear层的旁边增加一个“旁支”A和B。其中，A将数据从d维降到r维，这个r是LoRA的秩，是一个重要的超参数；B将数据从r维升到d维，B部分的参数初始为0。模型训练结束后，需要将A+B部分的参数与原大模型的参数合并在一起使用。
真正实现是在Linear层旁边加低秩矩阵.注意力机制的Linear层加三个低秩矩阵,前馈全连接层有两个线性层,默认加一个低秩矩阵就可以了
2.3.2具体实现
这个详细的展现了LoRA微调的细节.
主要是明白秩是怎么来的(这里秩是8,原始维度是768)
原始的参数量是768*768,现在是768*8+768*8,参数量不是一个级别,而且现在的大模型基本是4000左右的维度,这个影响还是相当大的 (LoRA微调本质就是两个低秩矩阵替代一个高维矩阵)
A模块的初始化方式是正态分布初始化,B模块使用的是全零初始化,这样初始化的原因是为了匹配原始维度,第二个方面是加快收敛.
2.4LoRA微调的优点
- 只训练极少参数，相对全量微调的存储和训练成本低。
- 效果接近全参数微调，且保留原模型能力。
- 不同任务的 LoRA 模块可插拔，便于多任务部署(训练低秩矩阵模块,可以在不同的任务场景下放入训练好的低秩模块)。
2.5LoRA微调的缺点
LoRA微调的本质是更新权重矩阵,这些参数表达能力有限,在复杂任务上可能无法拟合
LoRA通常加载线性层上,不同任务可能对位置比较敏感,选择不好可能会影响性能.
三.QLoRA
LoRA在训练巨语言模型下达不到好的效果,QLoRA优化了LORA的缺陷.
3.1原理
通过对预训练语言模型（PLM）进行量化（通常是4-bitNormalFloat），并结合LoRA技术进行微调，从而在极低的内存消耗下，仍然能够高效地微调巨型语言模型，同时保持甚至超越全量16-bit LoRA的性能。
传统的量化可能会导致精度丢失,QLoRA使用的是NF4量化方式,通过正态分布的设计,保留模型的精度.同时支持可以把显存保存到cpu内存中降低显存消耗.
3.2优点
- 极低的内存消耗。这是QLoRA 最显著的优势。可以将训练巨型模型的内存需求降低 3-4倍，使得在单张消费级 GPU 上(如 24GB VRAM 的 RTX 3090/4090） 微调 65B 甚至 70B参数的模型成为可能。
- 性能优异尽管进行了 4-bit 量化，但由于 16-bit 的 LoRA 权重和优化器状态，QLoRA 在许多任务上能够保持与 16-bit LoRA 甚至全量微调相媲美的生能。
- 训练速度快：由于只训练少量参数且内存效率高，训练速度非常快。
3.3缺点
- 虽然NF4优化了精度，但极端任务或敏感任务可能仍受4-bit量化影响。
- 由于量化和分页机制的存在，训练和问题调试会比标准LoRA更复杂。
