PEFT

🤗 PEFT（参数高效微调）是一个库，用于有效地将大型预训练模型适配到各种下游应用，无需微调模型的所有参数，因为这成本过高。PEFT 方法仅微调少量（额外）模型参数，从而显著降低计算和存储成本，同时获得与完全微调模型相当的性能。这使得在消费级硬件上训练和存储大型语言模型 (LLM) 更加容易。

PEFT 与 Transformers、Diffusers 和 Accelerate 库集成，提供了一种更快、更简单的方法来加载、训练和使用大型模型进行推理。

如果您是 🤗 PEFT 的新手，请从这里开始，了解该库的主要功能以及如何使用 PEFT 方法训练模型。

实操指南，演示如何在不同类型的任务（如图像分类、因果语言建模、自动语音识别等）中应用各种 PEFT 方法。学习如何将 🤗 PEFT 与 DeepSpeed 和 Fully Sharded Data Parallel 脚本结合使用。

更好地理解 LoRA 和各种软提示方法如何帮助减少可训练参数的数量，从而提高训练效率。

🤗 PEFT 类和方法的工作原理的技术描述。