学習・調整
LoRA(低ランク適応)とは
Low-Rank Adaptation（ローラ）
ひとことで言うと
元のモデルは凍結し、少数の追加パラメータだけを学習して効率的に微調整する手法です。
詳しい説明
LoRA(Low-Rank Adaptation)とは、ファインチューニングを効率化する代表的手法です。巨大な元モデルのパラメータは固定したまま、少数の小さな追加行列だけを学習することで、必要な計算とメモリを大幅に削減します。
全パラメータを更新する通常のファインチューニングに比べ、学習コストが小さく、成果物(追加分)も軽量なため、複数の用途向けの「差分」を切り替えて使えます。
画像生成モデルの作風追加や、LLMの特定タスク適応など、限られた計算資源での微調整に広く用いられます。
具体例
- 画像生成AIに特定の画風を追加する軽量な「LoRAファイル」を適用する。
- 一つの基盤モデルに、業務別のLoRA差分を切り替えて載せる。
よくある質問
LoRAは普通のファインチューニングと何が違う?
通常は全パラメータを更新しますが、LoRAは元モデルを凍結し、追加した少数のパラメータだけを学習します。これによりコストと保存容量が大幅に減り、差分を付け替えやすくなります。
出典・参考(一次ソース)
本ページは、広く確立したAIの用語・概念を、公開情報にもとづき編集部がわかりやすく整理したものです。特定製品の最新仕様・数値は各提供元の公式ドキュメントをご確認ください。
最終更新: 2026-07-07