聯繫我們

課程簡介

高效參數微調(PEFT)介紹

  • 完整微調的動機與局限性
  • PEFT 概觀:目標與益處
  • 產業中的應用與使用情境

LoRA(低秩適應)

  • LoRA 的概念與直覺理解
  • 使用 Hugging Face 和 PyTorch 實作 LoRA
  • 動手實作:使用 LoRA 微調模型

Adapter Tuning(適配器微調)

  • 適配器模組的運作原理
  • 與基於 Transformer 的模型整合
  • 動手實作:將 Adapter Tuning 應用於 Transformer 模型

Prefix Tuning(前綴微調)

  • 使用軟提示(soft prompts)進行微調
  • 與 LoRA 和適配器相比的優缺點
  • 動手實作:在 LLM 任務上進行 Prefix Tuning

評估與比較 PEFT 方法

  • 評估效能與效率的指標
  • 訓練速度、記憶體使用量與準確度之間的取捨
  • 基準測試實驗與結果解讀

部署微調模型

  • 儲存與載入微調後的模型
  • 基於 PEFT 模型的部署考量
  • 整合至應用程式與流程中

最佳實踐與擴展

  • 將 PEFT 與量化及蒸餾結合
  • 在資源受限及多語言環境中的應用
  • 未來方向與活躍的研究領域

最低要求

  • 對機器學習基礎概念有了解
  • 擁有使用大型語言模型(LLM)的經驗
  • 熟悉 Python 與 PyTorch

目標受眾

  • 數據科學家
  • AI 工程師
 14 小時

課程分類