今日应用
今日话题
24GB单卡全量微调Llama 3-8B，仅需添加一行代码
重点标签 tag1、大型语言模型、微调、显存容量、BAdam算法
文章摘要
研究人员通常基于预训练的大型语言模型进行微调，以适应特定任务的要求。然而，微调具有一定规模的语言模型需要大量的计算资源，显存容量往往成为主要限制因素。为了解决这一问题，香港中文大学（深圳）的研究者提出BAdam算法，将内存开销大幅降至原来的约六分之一，实现了在一张24GB显存的RTX 3090上全参数微调Llama 2-7b和Llama 3-8b模型。BAdam算法的损失函数收敛速率快于LoRA，且单次迭代所需时间约为LoRA的一半。此外，在SUPERGLUE的基准测试中，由BAdam训练的RoBERTa-large模型在下游任务性能上与使用Adam进行全参数微调的模型相当，显著优于LoRA。
分享主题：24GB单卡高效训练Llama 3-8B，仅需添加一行代码
嘉宾介绍：
罗琪竣为香港中文大学（深圳）数据科学学院在读博士生，导师为李肖教授。本科毕业于香港中文大学（深圳）计算机专业，研究兴趣包含机器学习、优化理论，目前的研究重点为大语言模型的优化和泛化。
分享摘要：
本次分享将概述当前参数高效微调算法及其局限性，进而引出BAdam算法设计并分析其算法特性，包含显存占用、单次迭代所需运算、以及收敛性质，随后将基于以上分析重点介绍BAdam算法实现技巧，以及超参数选取策略。
– 论文链接：[点击这里](https://arxiv.org/abs/2404.02827)
– 代码链接：[点击这里](https://github.com/Ledzy/BAdam)
直播间：
关注机器之心机动组视频号，立即预约直播。
机动组技术交流群：
添加小助手好友备注「研究方向」，获取行业一手资讯，欢迎大家进群聊聊。
机器之心 · 机动组 机动组聚焦于学术研究、工程实践与产业应用，筛选前沿、专业、实用内容，不定期组织学术研讨、技术交流与实战分享等。欢迎所有 AI 领域技术从业者关注。
点击 阅读原文，直达机动组官网，查看往期回顾。
文章来源
原文地址: 点我阅读全文
原文作者: 机器之心
相关文章
