QLoRA
QLoRA er en effektiv finjusteringsmetode introdusert av Dettmers et al. i 2023 som muliggjør finjustering av store språkmodeller ved bruk av kvantisering og lav-rangs tilpasning. Ved å kombinere 4-bits kvantisering med LoRA, reduserer QLoRA minnekrav med 75%, noe som muliggjør finjustering av modeller med 65 milliarder parametere på enkelt-GPUer.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Dettmers, T., Pagnoni, A., Holtzman, A., & Contrastive, L. (2023). QLoRA: Efficient finetuning of quantized LLMs. arXiv preprint arXiv:2305.14314. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Efficient Finetuning of Quantized LLMs. ScholarGate. https://scholargate.app/no/deep-learning/qlora
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.
- Direkte preferanseoptimaliseringDyp læring↔ compare
- Latente diffusjonsmodellerDyp læring↔ compare
- Mamba (tilstandsromsmodell)Dyp læring↔ compare
- Maskerte autoenkodereDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →