PEFT documentation

VeLoRA

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

VeLoRA

Это вариант LoRA, поэтому всё, что возможно с LoRA, применимо и к этому методу, если на этой странице не указано иное.

VeLoRA — это вариант LoRA, который снижает объём памяти, используемой при обучении, за счёт сжатия активаций, сохраняемых для LoRA на прямом проходе, и их последующей реконструкции на обратном проходе для реализации правил обновления. В PEFT VeLoRA настраивается как вариант LoRA через аргумент velora_config в LoraConfig.

from peft import LoraConfig, VeloraConfig

config = LoraConfig(
    target_modules=["q_proj", "v_proj"],
    velora_config=VeloraConfig(
        num_groups=64,
        scale=0.2,
        init_type="batch_average",
    ),
)

VeLoRA применяется к каждому слою LoRA, выбранному с помощью target_modules. Параметр num_groups определяет, как глубина входных активаций разделяется перед сжатием. Если глубина активаций не делится нацело на num_groups, VeLoRA внутренним образом дополняет сгруппированное представление и удаляет дополнения после реконструкции. Параметр scale масштабирует реконструированные активации во время обратного прохода, а init_type определяет способ инициализации проекции.

Используйте batch_average_once, чтобы инициализировать проекцию из первой обучающей партии, batch_average, чтобы обновлять её на каждом проходе прямой передачи в обучении, или random, чтобы инициализировать её сразу из случайного нормированного вектора.

Ниже приведены некоторые результаты на бенчмарке MetaMathQA.

ВариантПотери обученияМаксимальная память (ГБ)Токенов/сек
LoRA0.542727.692366.2
LoRA + GC0.542613.171671.8
LoRA+VeLoRA0.542719.942057.6

Ограничения

  • VeLoRA в настоящее время поддерживается только для стандартных линейных слоёв LoRA.
Update on GitHub