碾压LoRA！Meta CMU | 提出高效大模型微调方法：GaLore，内存可减少63.3%

引言

大模型训练通常会遇到内存资源的限制。目前常用的内存减少方法低秩适应（LoRA），通过引入低秩（low-rank）适配器来更新模型的权重，而不是直接更新整个权重矩阵。然而，这种方法在预训练和微调阶段通常表现不佳，为此，本文作者提出了梯度低秩映射（Gradient Low-Rank Projection ，「GaLore」），这是一种允许**「全参数」**学习的训练策略，并且比 LoRA 等常见的低秩适应方法更节省内存，相比BF16内存减少了63.3% 。https://arxiv.org/pdf/2403.03507v1.pdf

背景介绍

大型语言模型(LLMs)在对话式人工智能和语言翻译等领域展现出了令人印象深刻的性能。训练这些大模型（LLMs）不仅需要大量的计算资源，而且对内存的需求也非常大。这里的内存需求不仅仅是指数十亿个可训练的参数，还包括它们的梯度和优化器状态，比如Adam中的梯度动量和方差，这些往往比参数本身占用的存储空间还要大。

举个例子，如果我们从头开始训练一个LLaMA 7B模型，即使是用最小的批量大小，也需要至少58GB的内存，其中14GB用于存储可训练的参数，42GB用于存储Adam优化器的状态和权重梯度，还有2GB用于存储激活值。这样的内存需求使得在像NVIDIA RTX 4090这样只有24GB内存的消费级GPU上进行训练变得不太现实。

除了工程和系统方面的努力，比如梯度检查点和内存卸载等技术来实现更快更高效的分布式训练，研究人员还在寻求开发各种优化技术，以减少预训练和微调过程中的内存使用。

高效参数微调（Parameter-efficient fine-tuning，PEFT ）技术让我们能够高效的将预训练语言模型（PLMs）适配至不同的下游任务中，从而无需对模型的所有参数进行调整。其中，当前较火的低秩适应（LoRA）技术将权重矩阵重新参数化为，这里的是一个固定的全秩矩阵，而和是待学习的附加低秩适配器。因为秩，所以A和B包含的可训练参数数量较少。

当前LoRA已经被广泛使用，其中是固定的预训练权重。它的变体ReLoRA也用于预训练，通过定期使用之前学到的低秩适配器来更新。然而对于微调来说，有研究表明LoRA并没有显示出与全秩微调相当的性能。对于从头开始的预训练，它被证明需要一个全秩模型训练作为热身，然后才能在低秩子空间中进行优化。这其中可能有两个原因：（1）最优的权重矩阵可能不是低秩的；（2）重新参数化改变了梯度训练的动态。

为了解决上述挑战，本文作者提出了Gradient Low-Rank Projection（GaLore）训练策略，它允许全参数学习，同时比LoRA等常见低秩适应方法更节省内存。

GaLore介绍

GaLore的核心思想是在训练过程中利用梯度的低秩特性，而不是直接对权重矩阵进行低秩近似。具体来说：

在LLMs的训练过程中，权重矩阵W的梯度G（）通常具有低秩结构。这意味着梯度矩阵可以通过较小的子空间来近似表示，从而减少内存占用。GaLore通过计算两个投影矩阵和，将梯度矩阵G投影到一个低秩形式。这样的投影操作可以显著降低优化器状态的内存成本，因为P 和 Q 的低频率更新（例如，每 200 次迭代）会产生最小的额外计算成本。

在训练过程中GaLore可以动态的切换低秩子空间，这意味着模型可以在不同的子空间中学习，而不是局限于单一的低秩空间。这种动态切换通过定期更新投影矩阵P和Q来实现，以适应梯度的变化。此外，GaLore在内存使用上进行了优化，例如，它只使用一个投影矩阵P或Q，而不是同时使用两个，这进一步减少了内存需求。

不仅如此GaLore还可以与现有技术结合，例如：「与8位优化器的结合」：GaLore可以与8位优化器（如8位Adam）结合使用，这些优化器已经在内存使用上进行了优化。结合使用GaLore和8位优化器可以在保持性能的同时，进一步降低内存占用。「逐层权重更新」：GaLore还与逐层权重更新技术结合，这种技术在反向传播期间执行权重更新，从而减少了存储整个权重梯度的需要。

「GaLore引入了少量额外的超参数」：除了Adam的原始超参数外，GaLore引入了秩、子空间切换频率和缩放因子α。这些超参数有助于调整GaLore的行为，以适应不同的训练需求。其中在Adam引入GaLore如下所示。

实验结果

如下图，展示了在预训练LLaMA 7B模型时，不同方法的内存消耗。与 BF16 Adam 基线和 8 位 Adam 相比，8 位 GaLore 分别减少了 37.92G (63.3%) 和 24.5G (52.3%) 总内存。如下图，在GLUE基准测试中，GaLore在微调预训练的RoBERTa模型时，与LoRA相比，取得了更好的性能。

如下图，在不同模型大小下，使用不同方法时的内存使用情况。这进一步证实了GaLore在内存效率方面的优势。

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。
在这里插入图片描述

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

-END-