LoRA i PEFT
LoRA (Low-Rank Adaptation), koju su predstavili Hu i suradnici 2022., te šira obitelj metoda efikasnog dotreniranja parametara (PEFT) prilagođavaju velike predobučene jezične modele novim zadacima trenirajući samo mali broj dodatnih parametara umjesto svake težine u modelu. To omogućuje dotreniranje uz znatno manje GPU memorije i računalne snage, ostavljajući originalni model uglavnom nepromijenjenim.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Low-Rank Adaptation and Parameter-Efficient Fine-Tuning. ScholarGate. https://scholargate.app/hr/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.
- Generativna suparnička mrežaDuboko učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Varijacijski autoenkoderDuboko učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →