LLM大模型学习：LoRA 大模型微调的利器
LoRA 模型是小型的 Stable Diffusion 模型，它们对 checkpoint 模型进行微小的调整。它们的体积通常是检查点模型的 10 到 100 分之一。因为体积小，效果好，所以 lora 模型的使用程度比较高。
这是一篇面向从未使用过 LoRA 模型的初学者的教程。你将了解 LoRA 模型是什么，在哪里找到它们，以及如何在 AUTOMATIC1111 GUI 中使用它们。然后，你将在文章末尾找到一些 LoRA 模型的演示。
LoRA 模型是什么？
LoRA（Low-Rank Adaptation）是一种微调 Stable Diffusion 模型的训练技术。
虽然我们已经有像 Dreambooth 和文本反转这样的训练技术。那么 LoRA 有什么用呢？
LoRA 实际上可以看做是 Dreambooth 和文本反转 embeddings 的折中方案。Dreambooth 功能虽然强大，但模型文件会比较大（2-7 GB）。文本反转非常小（约 100 KB），但能做的事情比较少。
LoRA 介于两者之间。它的文件大小更容易管理（2-200 MB），并且训练能力相当不错。
因为 checkpoint 比较大，所以硬盘空间存储会是一个问题。而 LoRA 是解决存储问题的优秀方案。
像文本反转一样，你不能单独使用 LoRA 模型。它必须与模型检查点文件一起使用。LoRA 通过对配套的模型文件进行小的修改来改变风格。
LoRA 是定制 AI 艺术模型的绝佳方式，而不会占用太多本地存储空间。
LoRA 如何工作？
LoRA 对 Stable Diffusion 模型中最关键的部分进行小的修改：交叉注意力层。研究人员发现，微调这部分模型就足以实现良好的训练。交叉注意力层是下面 Stable Diffusion 模型架构中的黄色部分。
交叉注意力层的权重以矩阵的形式排列。矩阵只是按列和行排列的一堆数字，就像 Excel 电子表格上一样。LoRA 模型通过将自己的权重加到这些矩阵上来微调模型。
如果 LoRA 模型需要存储相同数量的权重，它们的文件怎么会更小呢？**LoRA 的技巧是将矩阵分解成两个更小的（低秩）矩阵。**通过这样做，它可以存储更少的数字。让我们通过以下示例来说明。
假设模型有一个 100 行 100 列的矩阵。那是 10000 个数字（100x 100）需要存储在模型文件中。LoRA 将矩阵分解成一个 1000x2 矩阵和一个 2x100 矩阵。那只有 400 个数字（100 x 2 + 2 x 100,如果矩阵够更大的话，LoRA 模型会减少的更多。这就是为什么 LoRA 文件要小得多的原因。
在这个例子中，矩阵的秩是 2。它比原始尺寸低得多，所以它们被称为低秩矩阵。秩可以低至 1。
这种操作必定会带来数据上的缺失，但是在交叉注意力层来说，这些损失是无伤大雅的。所以 Lora 这种做法是可行的。
在哪里找到 LoRA 模型？
Civitai
寻找 LoRA 的首选地点是 Civitai。该网站托管了大量 LoRA 模型的集合。应用 LORA 过滤器以仅查看 LoRA 模型。不过里面的大多数模型都是：女性肖像，动漫，现实主义插图风格等。
Hugging Face
Hugging Face 是另一个 LoRA 库的好来源。你会发现更多种类的 LoRA 模型。但那里的 LoRA 模型可能没有 C 站多，并且也不太直观。因为没有图片预览。
如何使用 LoRA？
这里，我将介绍如何在 AUTOMATIC1111 Stable Diffusion GUI 中使用 LoRA 模型。
AUTOMATIC1111 原生支持 LoRA。你不需要安装任何扩展。
第 1 步：安装 LoRA 模型
要在 AUTOMATIC1111 webui 中安装 LoRA 模型，请将模型文件放入以下文件夹。
stable-diffusion-webui/models/Lora
第 2 步：在提示中使用 LoRA
要在 AUTOMATIC1111 Stable Diffusion WebUI 中添加带权重的 LoRA，请在提示或否定提示中使用以下语法：
<lora: name: weight>
name 是 LoRA 模型的名称。它可以与文件名不同。weight 是应用于 LoRA 模型的权重。默认值为 1。将其设置为 0 将禁用模型。
那么怎么知道 lora 的名字是什么呢？
其实我们并不需要手动输入 lora 的名字，我们只需要点击下面的 lora 标签：
你应该看到一个已安装的 LoRA 模型列表。单击你想要使用的模型。
LoRA 短语将被插入到提示中。
就是这样！
使用 LoRA 的注意事项
你可以调整乘数以增强或调整效果。将乘数设置为 0 将禁用 LoRA 模型。你可以在 0 和 1 之间调整风格效果。
一些 LoRA 模型是使用 Dreambooth 训练的。你需要包括一个触发关键词才能使用 LoRA 模型。你可以在模型页面上找到触发关键词。
类似于嵌入，你可以同时使用多个 LoRA 模型。你也可以将它们与嵌入一起使用。
在 AUTOMATIC1111 中，LoRA 短语不是提示的一部分。在应用 LoRA 模型后，它将被删除。这意味着你不能使用像[keyword1:keyword2: 0.8]这样的提示语法来使用他们。
实用的 LoRA 模型
这里介绍一些在实际应用中比较实用的 Lora。
add_detail
谁不想要 AI 图像中更多的细节？细节调整器允许你增加或减少图像中的细节。现在，你可以调整你想要的细节量。
使用正 LoRA 权重来增加细节，使用负权重来减少细节。
add_saturation
这个 lora 可以给图片添加一些饱和度，效果如下：
add_brightness
这个 lora 可以用来控制图片的亮度：
总结
LoRA 模型是 checkpoint 模型的小型修改器。你可以通过在提示中包含一个短语轻松地在 AUTOMATIC1111 中使用它们。
我将在以后的文章中告诉你如何自己来训练一个 LoRA 模型。
大模型&AI产品经理如何学习
求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。
1.学习路线图
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
2.视频教程
网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。
（都打包成一块的了，不能一一展开，总共300多集）
因篇幅有限，仅展示部分资料，需要点击下方图片前往获取
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集***
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
