文档摘要

6.3 参数高效微调（PEFT）与微调评估 本节摘要：全参数微调一个 70 亿模型要上百 GB 显存，普通团队望而却步。PEFT（参数高效微调）冻结原模型、只训练极少量新增参数，代表方法 LoRA 用低秩矩阵逼近权重变化，把可训练参数压到千分之一量级，效果接近全参微调。本节讲 LoRA 的原理与工程用法、PEFT 各方法对比，以及微调效果评估的完整闭环。 会员。《6.3 参数高效微调（PEFT）与微调评估》收录于灏天文库文集《AI大模型开发与应用实战》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/189-ai%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%BC%80%E5%8F%91%E4%B8%8E%E5%BA%94%E7%94%A8%E5%AE%9E%E6%88%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流