Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# LoRa
<a name="customizing-models-lora"></a>

**LoRA**(Low-Rank Adaptasi) secara efisien mengadaptasi model besar dengan melatih satu set kecil matriks dekomposisi * peringkat rendah * daripada semua bobot model. Bobot model dasar tetap beku — hanya bobot adaptor yang dipelajari.

## Kapan menggunakan LoRa
<a name="lora-when-to-use"></a>
+ Sebagian besar kasus penggunaan - LoRA mencapai kualitas mendekati FFT dengan biaya yang jauh lebih rendah
+ Anda menginginkan pelatihan yang lebih cepat dan pengeluaran komputasi yang lebih rendah
+ Anda perlu membuat rantai teknik menggunakan kustomisasi [ berkelanjutan ](customizing-models-continuous.md) (LoRAwajib)
+ Anda ingin artefak keluaran yang lebih kecil (hanya bobot adaptor)
+ Anda ingin melayani beberapa adaptor khusus tugas dari satu model dasar - adaptor yang tidak menyatu dapat ditukar pada waktu inferensi, sehingga satu model dasar dapat digunakan kembali dengan banyak adaptor yang disetel yang dipesan lebih dahulu

**catatan**  
Meskipun artefak keluaran kecil (hanya bobot adaptor), adaptor masih memerlukan model dasar untuk inferensi. Kecuali Anda menggabungkan adaptor ke model dasar (lihat `merge_weights` di bawah), Anda harus memuat model dasar dan adaptor untuk menjalankan model yang disesuaikan.

## Parameter Kunci
<a name="lora-key-parameters"></a>


| Parameter | Nilai | Deskripsi | 
| --- | --- | --- | 
| lora\_rank | 8, 16, 32, 64, 128 | Dimensi matriks peringkat rendah. Peringkat yang lebih tinggi = lebih banyak kapasitas tetapi lebih banyak komputasi. Mulailah dengan 16. | 
| lora\_alpha | 16, 32, 64, 128, 256 | Faktor penskalaan. Skala tingkat pembelajaran yang efektif sebagaialpha/rank. Biasanya diatur ke 2x peringkat. | 
| lora\_dropout | 0,0-1,0 | Probabilitas putus untuk lapisan LoRA adaptor. Membantu mencegah overfit. | 
| merge\_weights | benar, salah | Apakah akan menggabungkan bobot adaptor kembali ke model dasar setelah pelatihan. Setel ke true untuk penerapan tanpa overhead adaptor. | 

Untuk referensi parameter lengkap termasuk hyper LoRA parameter spesifik, lihat setiap halaman teknik:[SFT](customizing-models-sft.md),,[DPO](customizing-models-dpo.md). [RFT](customizing-models-rft.md)