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:
- 模型参数空间不同
- 训练动态可能有所变化
- 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:
- 保持现有实现作为默认选项(输入维度分解)
- 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
- 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:
- 论文数学描述与实际代码实现可能存在差异
- 不同框架对矩阵维度的处理约定不同
- 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
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0269get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java00AudioFly
AudioFly是一款基于LDM架构的文本转音频生成模型。它能生成采样率为44.1 kHz的高保真音频,且与文本提示高度一致,适用于音效、音乐及多事件音频合成等任务。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile08
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K

deepin linux kernel
C
22
6

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

React Native鸿蒙化仓库
C++
192
274

🎉 (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 kernel ~ openGauss is an open source relational database management system
C++
145
190

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

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

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

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