CarperAI/trlx

Collapse reference+learner hydra heads when using LoRa

Open

#320 ouverte le 21 févr. 2023

Voir sur GitHub
 (6 commentaires) (2 réactions) (0 assignés)Python (450 forks)batch import
contributions welcomefeature requestgood first issue

Métriques du dépôt

Stars
 (4 184 stars)
Métriques de merge PR
 (Aucune PR mergée en 30 j)

Description

🚀 The feature, motivation, and pitch

With additive (delta-style) parameter-efficient tuning methods such as LoRa, we should be able to make a slightly more mem-efficient hydra architecture by using a single block that does ~frozen_head + tunable_weights for the learner/policy head's fwd-pass and simply frozen_head for the reference, instead of maintaining 2x heads.

CC @LouisCastricato and @cat-state for pointing this out

Alternatives

No response

Additional context

No response

Guide contributeur

Direction de recherche
Étudiez l'implémentation actuelle de la tête hydra dans le code. Comprenez comment fonctionne LoRa et refactorisez les têtes pour utiliser un seul bloc qui applique une tête gelée pour la référence et ajoute une couche LoRa réglable pour la tête d'apprentissage.
Stack technique
python
Domaine
machine learningai
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Une demi journée
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
PythonGit
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
65