Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

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

**LoRA**(Low-Rank Adattamento) adatta in modo efficiente i modelli di grandi dimensioni addestrando un piccolo set di matrici * di decomposizione di * basso rango anziché tutti i pesi del modello. I pesi del modello base rimangono bloccati: vengono appresi solo i pesi dell'adattatore.

## Quando usare LoRa
<a name="lora-when-to-use"></a>
+ La maggior parte dei casi d'uso: LoRA raggiunge una qualità quasi FFT con costi significativamente inferiori
+ Desideri una formazione più rapida e una spesa di elaborazione inferiore
+ È necessario concatenare le tecniche utilizzando la personalizzazione [ continua ](customizing-models-continuous.md) (obbligatorio) LoRA
+ Desideri artefatti di output più piccoli (solo pesi degli adattatori)
+ Volete utilizzare più adattatori specifici per attività partendo da un unico modello base: gli adattatori non fusi possono essere sostituiti al momento dell'inferenza, quindi un modello base può essere riutilizzato con molti adattatori ottimizzati su misura

**Nota**  
Sebbene l'artefatto in uscita sia piccolo (solo l'adattatore pesa), l'adattatore richiede comunque il modello base per l'inferenza. A meno che non si unisca l'adattatore al modello base (vedere di `merge_weights` seguito), è necessario caricare sia il modello base che l'adattatore per eseguire il modello personalizzato.

## Parametri chiave
<a name="lora-key-parameters"></a>


| Parametro | Valori | Description | 
| --- | --- | --- | 
| lora\_rank | 8, 16, 32, 64, 128 | Dimensionalità delle matrici di basso rango. Rango più alto = maggiore capacità ma maggiore elaborazione. Inizia con 16. | 
| lora\_alpha | 16, 32, 64, 128, 256 | Fattore di scala. Il tasso di apprendimento effettivo si ridimensiona in base a. alpha/rank In genere è impostato su 2 volte il rango. | 
| lora\_dropout | 0.0 - 1.0 | Probabilità di abbandono per i livelli LoRA adattatori. Aiuta a prevenire il sovradattamento. | 
| merge\_weights | true, false | Se unire nuovamente i pesi degli adattatori nel modello base dopo l'allenamento. Impostato true per l'implementazione senza costi aggiuntivi per l'adattatore. | 

Per il riferimento completo ai parametri, inclusi gli LoRA iperparametri specifici, consulta ogni pagina tecnica:,,. [SFT](customizing-models-sft.md) [DPO](customizing-models-dpo.md) [RFT](customizing-models-rft.md)