LoRA详细步骤解析

📚 微调系列文章

一文了解微调技术的发展与演进
一文搞懂 LoRA 如何高效微调大模型

随着大规模 Transformer 模型（如 GPT、LLaMA、ViT）的广泛应用，微调大模型的计算和存储成本成为制约因素。
LoRA 作为一种参数高效微调（PEFT）技术，通过低秩矩阵分解，仅微调增量部分，有效降低了资源消耗。

本文将分步骤解析 LoRA 的训练原理及优势，帮助你快速掌握 LoRA 的核心机制。

所有相关源码示例、流程图、模型配置与知识库构建技巧，我也将持续更新在Github：LLMHub，欢迎关注收藏！

---

一、LoRA 简介

LoRA（Low-Rank Adaptation）是一种针对大模型的参数高效微调方法，核心思想是：

• 冻结大部分预训练模型参数，只在低秩矩阵上进行增量训练，显著降低训练和存储成本；
• 适用于大语言模型（LLM）、视觉 Transformer（ViT）及其他大规模深度模型。

---

二、LoRA 训练详细步骤

冻结预训练模型参数

传统微调需调整整个 Transformer 权重，而 LoRA 只冻结原模型参数，避免全量反向传播开销。

for param in model.parameters():
    param.requires_grad = False  # 冻结所有参数

优点：显著降低训练计算和显存需求。

---

替换 Transformer 注意力层的全连接层

Transformer 中，查询（Q）、键（K）、值（V）计算通常通过线性层实现：

LoRA 不直接训练原始权重 ，而是对其增量进行低秩分解：

其中：

• 大小为 （低秩矩阵），
• 大小为 ，
• ，大幅减少训练参数。

代码示例：

import torch.nn as nn

class LoRALinear(nn.Module):
    def __init__(self, in_features, out_features, rank=4, alpha=32):
        super().__init__()
        self.rank = rank
        self.alpha = alpha

        self.W = nn.Linear(in_features, out_features, bias=False)
        self.W.requires_grad_(False)  # 冻结原权重

        self.A = nn.Linear(in_features, rank, bias=False)  # d × r
        self.B = nn.Linear(rank, out_features, bias=False)  # r × d

        nn.init.kaiming_uniform_(self.A.weight, a=5**0.5)
        nn.init.zeros_(self.B.weight)  # B 零初始化，防止扰动原始权重

    def forward(self, x):
        return self.W(x) + self.alpha * self.B(self.A(x))

---

只训练低秩矩阵参数

optimizer = torch.optim.AdamW([
    {'params': model.lora_A.parameters()},
    {'params': model.lora_B.parameters()}
], lr=1e-4)

仅训练 和 ，冻结原模型所有参数，显著降低计算量。

---

训练完成后权重合并

训练完成后，可将增量权重直接加到原始权重：

合并优势：

• 推理时无额外计算开销；
• 轻松部署，无需保留额外参数结构。

---

推理阶段选择

• 保持 LoRA 结构：适合多任务动态切换，节省存储；
• 合并权重：适合单一任务高效推理，避免额外计算。

示例合并代码：

model.W_Q.weight.data += model.B.weight @ model.A.weight

---

三、LoRA 与传统微调对比

对比项	传统微调（Full Fine-Tuning）	LoRA 微调
参数更新	全部权重	仅低秩矩阵 A 和 B
训练开销	高（数十亿参数）	低（百万参数级别）
存储需求	大	小
推理效率	可能受影响	几乎无额外负担

LoRA 特别适合：

• 大规模 Transformer 微调（如 GPT、LLaMA、ViT）；
• 多任务模型快速切换与存储优化；
• 算力受限环境，如移动端和边缘计算。

---

四、LoRA 在 Transformer 中的作用位置

LoRA 主要作用于 Multi-Head Attention 的查询（Q）、键（K）、值（V）线性层，是微调最关键的参数部分。

---

五、LoRA 训练示例代码

import torch
import torch.nn as nn
import torch.optim as optim

class LoRAModel(nn.Module):
    def __init__(self, d, r=4, alpha=32):
        super().__init__()
        self.W = nn.Linear(d, d, bias=False)
        self.W.requires_grad_(False)

        self.A = nn.Linear(d, r, bias=False)
        self.B = nn.Linear(r, d, bias=False)

        nn.init.kaiming_uniform_(self.A.weight, a=5**0.5)
        nn.init.zeros_(self.B.weight)

        self.alpha = alpha

    def forward(self, x):
        return self.W(x) + self.alpha * self.B(self.A(x))

model = LoRAModel(d=512, r=4).cuda()

optimizer = optim.AdamW([
    {'params': model.A.parameters()},
    {'params': model.B.parameters()}
], lr=1e-4)

for epoch in range(10):
    x = torch.randn(32, 512).cuda()
    y = model(x).sum()
    y.backward()
    optimizer.step()
    optimizer.zero_grad()
    print(f"Epoch {epoch}: Loss={y.item()}")

---

六、总结

LoRA 通过对 Transformer 注意力层权重增量进行低秩分解，有效减少训练参数量和计算资源消耗。其采用冻结大模型参数，仅训练低秩矩阵，降低存储和计算开销。并且LORA支持大语言模型和视觉 Transformer 的高效微调，可以兼顾多任务和快速推理。

关于深度学习和大模型相关的知识和前沿技术更新，请关注公众号coting！