लोरा और पीईएफटी
लोरा (लो-रैंक एडैप्टेशन), जिसे हू एट अल. ने 2022 में प्रस्तुत किया था, और पैरामीटर-कुशल फाइन-ट्यूनिंग (पीईएफटी) विधियों का व्यापक परिवार, बड़े प्री-ट्रेन्ड भाषा मॉडल को नए कार्यों के लिए अनुकूलित करते हैं, जिसमें मॉडल के हर वज़न के बजाय केवल कुछ अतिरिक्त पैरामीटर को प्रशिक्षित किया जाता है। इससे मूल मॉडल को काफी हद तक अपरिवर्तित रखते हुए बहुत कम जीपीयू मेमोरी और कंप्यूट के साथ फाइन-ट्यूनिंग संभव हो जाती है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Hu, E. J. et al. (2022). LoRA: Low-Rank Adaptation of Large Language Models. ICLR. link ↗
- Lester, B. et al. (2021). The Power of Scale for Parameter-Efficient Prompt Tuning. EMNLP. DOI: 10.18653/v1/2021.emnlp-main.243 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Low-Rank Adaptation and Parameter-Efficient Fine-Tuning. ScholarGate. https://scholargate.app/hi/deep-learning/lora-peft
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- जनरेटिव एडवरसैरियल नेटवर्कगहन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- वैरिएशन ऑटोएन्कोडरगहन अधिगम↔ compare
- विजन ट्रांसफार्मरगहन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare