LLM加速方法

整体结构

基于模型微调、基于模型压缩、基于分布式并行处理。

各分支内容

• 基于模型微调：
  • 包含Adapter Tuning、Prompt Tuning、LoRA三个子类别。这些技术主要通过对模型进行微调来优化传输，
  • 例如Adapter Tuning是在模型中添加一些小的适配模块，
  • Prompt Tuning是通过调整提示信息来优化模型，
  • LoRA则是一种低秩适配方法，以减少模型训练和传输的参数量。
• 基于模型压缩：
  • 又细分为剪枝、知识蒸馏、量化、低秩分解。剪枝是指去除模型中一些不重要的连接或参数，以减小模型规模；
  • 知识蒸馏是让一个小模型去学习大模型的知识，从而在保持性能的同时降低模型复杂度；
  • 量化是将模型的参数用更低精度的数据表示，减少数据量；
  • 低秩分解则是将模型的参数矩阵进行分解，降低计算和存储成本。
• 基于分布式并行处理： <