Lora：低成本高效微调大模型，让你的AI更懂你！

本文介绍了模型微调技术中的LoraLow-Rank Adaptation一种通过低秩矩阵模拟全参数微调效果的方法有效降低显存和计算成本。文章详细解释了Lora的原理、参数设置如秩r、alpha、dropout以及训练配置如权重衰减、学习率预热等并通过代码案例展示了如何在模型上应用Lora进行微调。最后文章探讨了如何将Lora训练成果整合到基座模型中并测试训练效果。今天我们简单的学习一下模型微调我们微调大多使用lora不可能对整个模型重新训练的那样成本太大lora的全称是Low-Rank Adaptation ,低秩适应核心是冻结预训练模型主题用两个很小的低秩矩阵来模拟全参数微调的效果从而大幅度降低显存和计算成本打个比方我们的模型是hWx我们这个lora就是在后面在加一个小小的改动最后就变成了hWxlora ,这个lora就是一个很小的修正函数比如W很大像4096x4096, 行列都是4096比如我们设置的秩r是3 那我们lora这边就是4096x3 和 3x4096 两个低秩矩阵这个r越大那么lora记得越细越像但是如果太大就会导致过拟合导致死记硬背了我们打个比方比如大模型就是一个超级大厨大厨会做很多菜川菜粤菜东北菜江浙菜等等现在我想让他学会做韩料我们不可能换一个大厨吧那样代价太大了我们可以给一个韩式料理的书给他看r越大书越厚书如果太厚了细节拉满但是可能只适合你自家的口味过拟合所以我们r要控制的不大不小。下面我们通过代码案例来初步的学习lora首先我们modelscope 社区下载我们需要训练的数据集这里我下载了一个叫沐雪的数据集然后再autodl租了一台ai服务器我使用的基座模型是qwen2.5-3b,接下来我们开始看代码这是我们一些基本参数的配置大家可以自己看注释这里主要强调下lora_rank就是上面我们说的r这里还有一个lora_alpha,这个一般大小是2r, 我们上文的lora A×B×(alpha/r) , 假设我A×B100,这里的r64 ,alpha128 ,最后lora200 ,如果alpha越大那么lora的风格越浓比如你训练的数据都是韩国料理你让大模型帮你随便做一个菜他可能帮你默认做的韩国菜lora风格越淡就是以前默认的菜系。这里面的lora_dropout参数就是为了防止模型死记硬背过拟合0.05 就是把A矩阵里面百分之五的数字设置为0让模型能学习规律我每次遮住百分之五的知识点让模型自行理解。上图就是训练时候的一些配置大致就是训练后的模型输出目录训练多少轮每次训练几条数据学习率等这里主要讲一下weithg_decay ,它就是权重衰减作用所有参数包括lora里面的这里的0.01 相当于所有参数乘1-0.01主要为了防止参数过大训练震荡不稳定过拟合相当于给参数踩了一下刹车warmup_ratio 标识百分之十的步数是慢慢增加到我们指定的学习率的就是我们上面的lr参数,主要为了防止一上来就上强度比如开车一上来就油门焊死这里的seed42 随便写个数字就行主要为了固定所有随机数让同样的东西两次训练结果是一样的之前的文章聚类和分类有讲解过。我们得到分词器后用16位半精度加载模型开始加载模型给模型的Q,K,V,O四层做lora具体可以去了解学习一下模型的自注意力机制最后开始训练我们的模型得到后的插件保存到我们指定的目录把lora训练的成果放入基座模型里面生成一个独立的我们自己的模型接下来我们测试一下训练后的结果2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书