LoRA dan PEFT
LoRA (Low-Rank Adaptation), diperkenalkan oleh Hu et al. pada tahun 2022, dan keluarga metode penyesuaian halus yang efisien parameter (PEFT) yang lebih luas mengadaptasi model bahasa pra-terlatih besar ke tugas-tugas baru dengan melatih hanya sejumlah kecil parameter tambahan alih-alih setiap bobot dalam model. Hal ini memungkinkan penyesuaian halus dengan memori GPU dan komputasi yang jauh lebih sedikit sambil membiarkan model asli sebagian besar tidak tersentuh.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Low-Rank Adaptation and Parameter-Efficient Fine-Tuning. ScholarGate. https://scholargate.app/id/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.
- Jaringan Adversarial GeneratifPembelajaran Mendalam↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Variational AutoencoderPembelajaran Mendalam↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →