浅谈LoRA，理清跟增量微调的区别_lora增量微调-优快云博客

前言

曾在游戏世界挥洒创意，也曾在前端和后端的浪潮间穿梭，如今，而立的我仰望AI的璀璨星空，心潮澎湃，步履不停！愿你我皆乘风破浪，逐梦星辰！

核心

其实，LoRA 核心就一句话：“用局部微调的方法去逼近全量微调的效果。”

📌 如何理解？

全量微调（Full Fine-tuning）：
- 需要更新模型所有参数，计算量和存储开销大。
- 如果模型有 100 亿个参数，就要微调 100 亿个参数，需要大量 GPU 显存。
LoRA（Low-Rank Adaptation）：
- 冻结原始模型权重，不直接修改参数。
- 只在部分层（如 Attention 层）插入低秩矩阵（A, B），用较小的参数量去拟合完整的微调效果。
- 训练时 只更新 A, B，最终计算： W=W0+ABW = W_0 + AB
- 参数量大幅减少，但仍然能近似达到全量微调的效果。

📌 直观理解：

全量微调 就像 重新装修一整个房子（耗时、耗钱）。
LoRA 只是在关键点 增加可移动家具，改变风格但不动房子本身（快速、低成本）。

📌 直观数学示例

假设原始模型参数矩阵：

W0∈R ^ (4×6)

如果直接全参数微调，我们需要更新 4 x 6 = 24 个参数。

✅ 全量微调

W=W0+ΔW

其中：

ΔW∈R8×10

需要训练 80 个参数，计算量大。

✅ LoRA 微调

ΔW=AB

其中：

A∈R8 × 2（8×2 低秩矩阵）
B∈R2 x 10（2×10 低秩矩阵）

参数总量：

(8×2)+(2×10)=16+20=36

相比全量微调的 80 个参数，参数量大幅减少，但 AxB 仍然可以逼近 W0。

📌 结果

训练的参数量减少，但最终效果接近全量微调。
计算复杂度降低，适合大模型（GPT, LLaMA）。

📌 LoRA 微调 vs. 增量微调（Incremental Fine-tuning）

LoRA（Low-Rank Adaptation）和增量微调（Incremental Fine-tuning）都属于高效微调方法，但它们在 参数更新方式、存储方式、计算开销 方面有显著不同。

1️⃣ 主要区别

对比项	LoRA（局部低秩微调）	增量微调（Incremental Fine-tuning）
原始权重	冻结，不修改 $W_0$	复制一份 $W_0$，修改部分参数
训练参数	仅训练低秩矩阵 $A, B$，计算量低	训练部分或全部参数，计算量大
计算复杂度	$O(d_{out} \times r + r \times d_{in})$（远小于全参数）	$O(d_{out} \times d_{in})$（部分更新）
存储开销	只存储 $A, B$，存储开销小	存储新的 $W'$（部分更新）
推理方式	$W = W_0 + AB$（可合并）	切换到新模型 $W'$ 进行推理
适用场景	适用于大模型（如 GPT、LLaMA），低显存设备	适用于长期训练，持续优化模型

📌 总结

LoRA → 仅用两个小矩阵 $A, B$ 调整 $W_0$，不修改原始权重，节省计算量。
增量微调 → 修改部分参数（如 Adapter 层），但比 LoRA 占用更多计算资源。

2️⃣ LoRA 微调原理

LoRA 采用：

W=W0+ΔWW = W_0 + \Delta W

其中：

ΔW=AB\Delta W = AB

$A$（低秩矩阵，$d_{out} \times r$）
$B$（低秩矩阵，$r \times d_{in}$）
LoRA 仅训练 $A, B$，不修改 $W_0$，所以存储开销小。

3️⃣ 增量微调（Incremental Fine-tuning）原理

增量微调的策略通常有：

Adapter 层：在原始模型 $W_0$ 之外添加新的参数层： W′=Adapter(W0)W' = \text{Adapter}(W_0)

部分参数更新：只训练Transformer 某些层的参数：

for param in model.encoder.layer[-2:].parameters():
    param.requires_grad = True  # 仅微调最后两层

长期训练模式：支持多个阶段训练，每个阶段都增量更新参数。

4️⃣ 计算复杂度对比

(1) LoRA

如果原始 Transformer 权重矩阵为：

W0∈Rd{out}×d{in}

LoRA 只需训练：

A∈Rd{out}×r, B∈Rr×d{in}

计算复杂度：

O(d{out}×r+r×d{in}), 显存占用大幅减少。

(2) 增量微调

假设只微调最后 N 层 Transformer，参数量：

O(N×d{out}×d{in})

计算量比 LoRA 大，但比全参数微调（Fine-tuning）小。

5️⃣ 代码对比

(1) LoRA 代码

from peft import LoraConfig, get_peft_model
from transformers import AutoModelForCausalLM

model_name = "facebook/opt-1.3b"
model = AutoModelForCausalLM.from_pretrained(model_name)

lora_config = LoraConfig(
    r=8,  # 低秩参数
    lora_alpha=32,
    target_modules=["q_proj", "v_proj"]
)

model = get_peft_model(model, lora_config)

只训练 q_proj, v_proj 层的 LoRA 矩阵。
不修改原始 $W_0$，只增加 $A, B$ 训练参数。

(2) 增量微调代码

from transformers import AutoModelForCausalLM

model_name = "facebook/opt-1.3b"
model = AutoModelForCausalLM.from_pretrained(model_name)

# 仅微调最后两层 Transformer
for param in model.transformer.h[-2:].parameters():
    param.requires_grad = True

仅更新最后两层 Transformer 权重，减少计算量
比 LoRA 存储开销大

6️⃣ 适用场景

场景	LoRA 微调	增量微调
大语言模型（GPT-3, LLaMA）	✅ 适合（低计算量）	❌ 计算太大
持续优化的 AI 模型	❌ LoRA 训练完就定型	✅ 适合持续优化
低显存设备（8GB 显存）	✅ 适合（节省显存）	❌ 需要更高显存
高精度任务（如 BERT QA）	❌ 可能损失精度	✅ 适合
多任务迁移学习	✅ LoRA 参数可迁移	❌ 需要重新训练

7️⃣ 总结

对比项	LoRA 微调	增量微调
是否修改原始参数	❌ 不修改 W_0	✅ 修改部分参数
训练参数量	🎯 少（$O(d_{out} x r)）	🚀 中（$O(N xd_{out} x d_{in})）
计算量	🎯 小（适合大模型）	🚀 较大（适合小模型）
存储开销	🏆 最小，只存 A,B	📈 需要存储新 W
推理方式	✅ 可合并参数	❌ 需要加载新权重
适用场景	🎯 适合 LLM（GPT, LLaMA）	🚀 适合任务优化（BERT QA）