Full Fine-tuning vs PEFT: 전체 파라미터 vs 효율적 파인튜닝 완전 비교
전체 파라미터를 학습하는 Full Fine-tuning과 극소수 파라미터만 학습하는 PEFT(LoRA, QLoRA, Adapter)의 원리와 차이, GPU 메모리 요구사항, 그리고 LoRA의 수학적 원리를 한국어로 완전 해설한다.
지난 글에서 파인튜닝의 종류와 전체 파이프라인을 파악했다. 이번에는 Full Fine-tuning과 PEFT를 깊이 비교한다. 특히 현업에서 가장 널리 사용되는 LoRA의 수학적 원리를 이해하고, 실제로 어떻게 GPU 메모리를 절약하면서 Full Fine-tuning에 근접한 성능을 낼 수 있는지를 완전히 파악한다.
Full Fine-tuning의 메모리 문제
7B 모델을 Full Fine-tuning할 때 GPU 메모리가 얼마나 필요한지 계산해보자.
- 모델 파라미터: 7B × 2bytes(bf16) = 14GB
- 그래디언트: 14GB (파라미터와 동일 크기)
- 옵티마이저 상태 (Adam): 14GB × 2 = 28GB
- 활성화 값(배치): 수 GB
합산하면 60GB 이상. A100 80GB 1개로 겨우 가능하다. 70B 모델은 몇 배 더 필요하다. 이 비용을 감당할 수 없는 대부분의 조직에게 PEFT는 필수다.
LoRA의 수학적 원리
LoRA(Low-Rank Adaptation)는 2021년 Microsoft 연구팀이 제안했다. 핵심 아이디어는 단순하다.
기존 가중치 행렬 W(d×d)를 직접 업데이트하는 대신, 업데이트량 ΔW를 두 개의 저랭크 행렬 B(d×r)와 A(r×d)의 곱으로 표현한다.
W' = W + ΔW = W + B × A여기서 r은 랭크(rank)로, 보통 4~64 사이의 작은 값이다. r=16, d=4096인 경우:
- Full: 4096 × 4096 = 16,777,216 파라미터
- LoRA: 4096 × 16 + 16 × 4096 = 131,072 파라미터 (0.78%)
학습 효율이 100배 이상 향상되는 것이다.
LoRA 구현
from peft import LoraConfig, get_peft_model, TaskType
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "meta-llama/Meta-Llama-3-8B"
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype="auto")
tokenizer = AutoTokenizer.from_pretrained(model_id)
lora_config = LoraConfig(
r=16, # 랭크: 작을수록 효율적, 클수록 성능 높음
lora_alpha=32, # 스케일링: 보통 alpha = 2×r
target_modules=[ # 어떤 레이어에 LoRA 적용?
"q_proj", # Query 투영
"k_proj", # Key 투영
"v_proj", # Value 투영
"o_proj", # Output 투영
"gate_proj", # FFN gate
"up_proj", # FFN up
"down_proj", # FFN down
],
lora_dropout=0.05, # 드롭아웃
bias="none", # Bias는 학습 안 함
task_type=TaskType.CAUSAL_LM
)
model = get_peft_model(model, lora_config)
model.print_trainable_parameters()
# trainable params: 83,886,080 || all params: 8,114,442,240 || trainable%: 1.034
# 학습 후: LoRA 가중치를 기반 모델에 병합 (추론 오버헤드 없음)
merged_model = model.merge_and_unload()
merged_model.save_pretrained("./merged_model")QLoRA: 더 적은 메모리로
QLoRA는 LoRA에 4-bit 양자화를 결합해 메모리를 더욱 줄인다.
from transformers import BitsAndBytesConfig
import torch
# 4-bit 양자화 설정
bnb_config = BitsAndBytesConfig(
load_in_4bit=True, # 4-bit 로드
bnb_4bit_compute_dtype=torch.bfloat16, # 계산은 bfloat16
bnb_4bit_use_double_quant=True, # 이중 양자화 (메모리 추가 절약)
bnb_4bit_quant_type="nf4" # NF4 양자화 (일반 int4보다 좋음)
)
# 4-bit 양자화로 모델 로드
model = AutoModelForCausalLM.from_pretrained(
"meta-llama/Meta-Llama-3-8B",
quantization_config=bnb_config,
device_map="auto"
)
# gradient_checkpointing으로 활성화 메모리 추가 절약
model.gradient_checkpointing_enable()
# QLoRA = 4bit 양자화 모델 + LoRA 적용
from peft import prepare_model_for_kbit_training
model = prepare_model_for_kbit_training(model)
model = get_peft_model(model, lora_config)
# 7B 모델이 RTX 4090(24GB)에서도 파인튜닝 가능!
어떤 레이어에 LoRA를 적용해야 하는가
LoRA는 모든 레이어에 적용할 필요가 없다. 어디에 적용하느냐에 따라 효과가 다르다.
# 최소 설정 (가장 효율적)
target_modules = ["q_proj", "v_proj"] # Query와 Value만
# 표준 설정 (균형)
target_modules = ["q_proj", "k_proj", "v_proj", "o_proj"]
# 전체 설정 (최고 성능)
target_modules = ["q_proj", "k_proj", "v_proj", "o_proj",
"gate_proj", "up_proj", "down_proj"]
# 실험 결과: q_proj + v_proj만으로도 성능의 90%이상 달성 가능
# FFN 레이어 추가 시 특히 지식 학습 능력 향상실전 선택 기준
QLoRA를 선택하는 경우: 소비자 GPU(RTX 3090/4090)에서 7B~13B 모델 파인튜닝, 비용 최소화가 목표일 때.
LoRA를 선택하는 경우: A100/H100이 있고 속도가 중요할 때, 여러 태스크의 어댑터를 관리해야 할 때.
Full Fine-tuning을 선택하는 경우: 충분한 GPU가 있고 최고 성능이 필요할 때, 모델 전체의 근본적인 행동을 바꿔야 할 때.
# 실용적인 GPU 예산별 권고
if gpu_memory < 24: # RTX 4090 이하
strategy = "QLoRA (4-bit)"
elif gpu_memory < 80: # A100 40GB
strategy = "LoRA (bf16)"
else: # A100 80GB 이상
strategy = "LoRA 또는 Full Fine-tuning 선택 가능"
# 대부분의 기업 프로젝트에서 QLoRA로 시작해
# 성능이 부족하면 LoRA, 여전히 부족하면 Full로 진화하는 것이 권고LoRA와 QLoRA는 파인튜닝 민주화를 이끈 기술이다. 수십만 달러의 GPU 클러스터 없이도 강력한 도메인 특화 모델을 만들 수 있게 됐다. 다음 글에서는 LoRA의 심화 변형인 DoRA, rsLoRA 등 최신 PEFT 기법과 하이퍼파라미터 튜닝을 다룬다.
지난 글: 파인튜닝 완전 정복: 사전 학습 모델을 내 데이터로 특화하는 방법
다음 글: LoRA 심화: DoRA·rsLoRA·LoftQ와 최적 하이퍼파라미터 찾기
읽어주셔서 감사합니다. 😊