首页
/ LyCORIS项目中DoRA权重分解轴差异的技术解析

LyCORIS项目中DoRA权重分解轴差异的技术解析

2025-07-02 17:20:13作者:龚格成

背景介绍

在深度学习模型微调领域,LoRA(Low-Rank Adaptation)及其变种DoRA(Weight-Decomposed Low-Rank Adaptation)是两种重要的参数高效微调方法。近期在LyCORIS项目中发现其DoRA实现与PEFT库中的实现存在一个关键差异:权重分解的轴向选择不同。

问题本质

DoRA方法的核心思想是将预训练权重矩阵W分解为幅度(m)和方向(V)两部分:W = m·V/||V||_F。其中关键的技术细节在于幅度向量m的维度选择。

在LyCORIS实现中:

  • 对于一个Linear(784, 2048)层,DoRA幅度向量形状为[1, 784](输入维度)
  • 而在PEFT实现中,相同层的幅度向量形状为[2048](输出维度)

技术分析

根据原始DoRA论文的数学表示:

  • 权重矩阵W的维度为d×k(输出×输入)
  • LoRA更新项BA中,B维度为d×r,A维度为r×k
  • 论文中的分解操作似乎针对输入维度k

然而,从作者参考实现代码来看:

  • 幅度向量确实采用了输出维度d
  • PEFT实现与参考代码一致

实现差异的影响

这种轴向选择的差异会导致:

  1. 模型参数空间不同
  2. 训练动态可能有所变化
  3. 检查点文件不兼容

虽然理论上两种实现都可能有效,但会带来以下实际问题:

  • 无法在LyCORIS和PEFT之间直接迁移DoRA模型
  • 社区可能出现混淆

解决方案与建议

LyCORIS项目已采取以下措施:

  1. 保持现有实现作为默认选项(输入维度分解)
  2. 在3.1.1版本新增wd_on_output参数,允许用户选择输出维度分解
  3. 确保向后兼容性

对于使用者建议:

  • 明确所用库的DoRA实现方式
  • 训练和推理使用相同实现
  • 需要迁移模型时注意维度转换

技术思考

这种实现差异反映了深度学习实践中常见的现象:

  1. 论文数学描述与实际代码实现可能存在差异
  2. 不同框架对矩阵维度的处理约定不同
  3. 早期实现决策会影响长期兼容性

从优化角度看,两种分解方式各有特点:

  • 输入维度分解可能更关注特征选择
  • 输出维度分解可能更关注神经元激活模式

结论

LyCORIS与PEFT在DoRA实现上的轴向差异是一个值得注意的技术细节。虽然两种实现都可能有效,但使用者需要了解这一差异以避免兼容性问题。LyCORIS项目通过提供配置选项来支持两种模式,既保持了兼容性又提供了灵活性。这一案例也提醒我们,在复现论文方法时需要仔细核对理论描述与参考实现。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K
kernelkernel
deepin linux kernel
C
22
6
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
980
395
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
931
555
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
519
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0