As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

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

**LoRA**(Low-Rank Adaptação) adapta com eficiência modelos grandes treinando um pequeno conjunto de matrizes de decomposição de * baixa classificação, * em vez de todos os pesos do modelo. Os pesos do modelo básico permanecem congelados — somente os pesos do adaptador são aprendidos.

## Quando usar o LoRa
<a name="lora-when-to-use"></a>
+ A maioria dos casos de uso — LoRA alcança uma qualidade quase FFT com um custo significativamente menor
+ Você quer um treinamento mais rápido e menos gastos com computação
+ Você precisa encadear técnicas usando personalização [ contínua ](customizing-models-continuous.md) (LoRAobrigatório)
+ Você quer artefatos de saída menores (somente pesos do adaptador)
+ Você quer servir vários adaptadores de tarefas específicas a partir de um único modelo básico — adaptadores não fundidos podem ser trocados no momento da inferência, então um modelo básico pode ser reutilizado com muitos adaptadores ajustados sob medida

**nota**  
Embora o artefato de saída seja pequeno (somente os pesos do adaptador), o adaptador ainda requer o modelo básico para inferência. A menos que você mescle o adaptador no modelo básico (veja `merge_weights` abaixo), você deve carregar o modelo básico e o adaptador para executar o modelo personalizado.

## Principais parâmetros
<a name="lora-key-parameters"></a>


| Parâmetro | Valores | Description | 
| --- | --- | --- | 
| lora\_rank | 8, 16, 32, 64, 128 | Dimensionalidade de matrizes de baixa classificação. Classificação mais alta = mais capacidade, mas mais computação. Comece com 16. | 
| lora\_alpha | 16, 32, 64, 128, 256 | Fator de escala. A taxa de aprendizagem efetiva é escalada comoalpha/rank. Normalmente definido como 2x a classificação. | 
| lora\_dropout | 0, 0 a 1,0 | Probabilidade de abandono para camadas LoRA adaptadoras. Ajuda a evitar o sobreajuste. | 
| merge\_weights | true, false | Se deve mesclar os pesos do adaptador de volta ao modelo básico após o treinamento. Definido como true para implantação sem sobrecarga do adaptador. | 

Para obter a referência completa dos parâmetros, incluindo LoRA hiperparâmetros específicos, consulte cada página técnica:[SFT](customizing-models-sft.md),,[DPO](customizing-models-dpo.md). [RFT](customizing-models-rft.md)