مفهوم: التفكيك منخفض الرتبة

مفهوم: منخفض-rank-factorization عدد الذرات: 2 | عدد الكتب: 1

هذا المفهوم يظهر في 2 ذرة عبر 1 كتاباً في الأطلس.

📊 إحصائيات المفهوم

📚 كيف عالج كل كتاب هذا المفهوم

هندسة الذكاء الاصطناعي (2 ذرة)

تحديثات LoRA تخص المحولات التكيفية فقط

“خلال finetuning, تحديث فقط the parameters في A و B. W is kept intact.”

🌟 أبرز الذرات في هذا المفهوم

1. تحديثات LoRA تخص المحولات التكيفية فقط

الكتاب: هندسة الذكاء الاصطناعي (تشيب هويين)

الادعاء: LoRA finetuning keeps the original وزن matrix fixed و updates فقط the منخفض-rank adapter matrices.

الشاهد: “خلال finetuning, تحديث فقط the parameters في A و B. W is kept intact.”

→ اقرأ التحليل الكامل

2. يؤدي تحليل العوامل إلى تقليل عدد المعاملات

الكتاب: هندسة الذكاء الاصطناعي (تشيب هويين)

الادعاء: منخفض-rank factorization reduces parameter count بواسطة decomposing واحد كبير matrix into اثنان smaller matrices, lowering computation و ذاكرة needs.

الشاهد: “factorize a كبير matrix into a product من اثنان smaller matrices إلى reduce the رقم من parameters”

→ اقرأ التحليل الكامل

🔍 كيف يختلف هذا المفهوم بين الكتب؟

من خلال تحليل 2 ذرة عبر 1 كتب:

المبادئ الأساسية

• منخفض-rank factorization reduces parameter count بواسطة decomposing واحد كبير matrix into اثنان smaller matrices, lowering computation و ذاكرة needs.

الطرق المطبقة

• LoRA finetuning keeps the original وزن matrix fixed و updates فقط the منخفض-rank adapter matrices.

📌 ملاحظة

هذا المفهوم مترجم آلياً من المحتوى الإنجليزي الأصلي. الشواهد النصية محفوظة بالإنجليزية لضمان الدقة.