LoRA 简介
简介
LoRA，英文全称Low-Rank Adaptation of Large Language Models，直译为大语言模型的低阶适应，这是微软的研究人员为了解决大语言模型微调而开发的一项技术。 如果想让一个预训练大语言模型能够执行特定领域内的任务，一般需要做fine-tuning，但是目前推理效果好的大语言模型参数维度非常非常大，有些甚至是上千亿维，如果直接在大语言模型上做fine-tuning，计算量会非常的大，成本也会非常的高。LoRA的做法是冻结预训练好的模型参数，然后在每个Transformer块里注入可训练的层，由于不需要对模型的参数重新计算梯度，所以，会大大的减少计算量。
Motivation:
目前大模型动辄十亿乃至百亿千亿的参数（例如GPT3，1750亿），如果直接进行微调，不仅训练开销巨大，而且参数的存储也会占据较大空间。因此需要一种针对大模型高效调参的方法，一则减少训练过程中的计算和显存开销，二则减少调参之后的参数存储。
原理
具体如下图所示，核心思想是在原始预训练模型增加一个旁路，做一个降维再升维的操作。训练的时候固定预训练模型的参数，只训练降维矩阵A与升维矩阵B。而模型的输入输出维度不变，输出时将BA与预训练语言模型的参数叠加。用随机高斯分布初始化 A，用0矩阵初始化B。这样能保证训练时，新增的旁路BA=0，从而对模型结果没有影响。在推理时，将左右两部分的结果加到一起，即h=Wx+BAx=(W+BA)x，所以，只要将训练完成的矩阵乘积BA跟原本的权重矩阵W加到一起作为新权重参数替换原始预训练语言模型的W即可，不会增加额外的计算资源。LoRA的最大优势是训练速度更快，使用的内存更少。
在部署时，A和B可以通过重参数化做到 W里，这样inference和之前是一致的。
应用Lora到Stable Diffusion:
Lora可以应用到任何一个神经网络的子集中。在Transformer架构里Lora经常应用在self-attention模块和MLP模块中。在 Stable Diffusion模型里，Lora被用在condition和图像表示建立关联的Cross-Attention层，即下图的黄色区域中。
Diffusers目前已经支持Lora的训练和推理，详见:https://huggingface.co/docs/diffusers/training/lora
civitai到diffuser格式的转换：https://github.com/huggingface/diffusers/blob/main/scripts/convert_lora_safetensor_to_diffusers.py
参考文档：
https://zhuanlan.zhihu.com/p/616198265