Przejdź do treści
promptowy.com / Glossario IA / LoRA (Low-Rank Adaptation)
Modelli e addestramento

LoRA (Low-Rank Adaptation)

LoRA è una tecnica di fine-tuning che allena solo un piccolo gruppo di parametri aggiuntivi, adattando modelli di intelligenza artificiale senza modificarne i pesi base.

Nel campo dell'intelligenza artificiale, LoRA (Low-Rank Adaptation) è una tecnica di messa a punto (fine-tuning) efficiente che permette di personalizzare grandi modelli linguistici o generatori di immagini senza dover ricalcolare l'intera struttura di partenza. Invece di modificare tutti i parametri originali del modello base, che rimangono congelati, LoRA inserisce e addestra una frazione minima di parametri supplementari organizzati in matrici matematiche a basso rango.

Questo approccio risolve uno dei limiti più grandi dei sistemi moderni: la pesantezza computazionale. Un modello completo può occupare decine di gigabyte di memoria, mentre un file LoRA pesa spesso poche decine o centinaia di megabyte. È importante chiarire subito una possibile confusione: nel contesto dell'IA, LoRA non ha alcun rapporto con la tecnologia radio LoRa o le reti LoRaWAN usate per la telemetria e i sensori a lungo raggio. Condividono solo la grafia della sigla, ma rappresentano settori tecnologici completamente separati.

Come funziona l'adattamento a basso rango

Quando un modello viene addestrato da zero, impara miliardi di connessioni. Se volessimo insegnargli un compito specifico, come il tono di voce per le delibere di un comune italiano o lo stile grafico di un ceramista, riaddestrare tutti i pesi richiederebbe server potenti e comporterebbe il rischio di fargli dimenticare le conoscenze generali. LoRA interviene bloccando i pesi principali e affiancando alle matrici esistenti due matrici più piccole il cui prodotto simula l'aggiornamento desiderato.

Il risultato pratico è un modulo accessorio, spesso chiamato adapter o adattatore, che si aggancia al modello base durante l'inferenza. Il modello acquisisce la specializzazione desiderata durante l'uso, ma può tornare immediatamente al suo comportamento neutro disattivando il file o regolandone l'intensità di applicazione.

Un esempio pratico: l'illustrazione artigianale

Immaginiamo uno studio grafico a Firenze incaricato di realizzare l'identità visiva per una serie di botteghe storiche toscane: una pasticceria tradizionale, un rilegatore di libri e un laboratorio di cuoio. L'illustratore desidera che tutte le immagini promozionali condividano lo stesso tratto ad acquerello, con tonalità calde di terracotta e un'ombreggiatura a tratteggio ben definita.

Creando un LoRA addestrato su una ventina di disegni originali dello studio, il grafico può abbinare l'adattatore a un generatore di immagini. Scrivendo poi indicazioni testuali ordinarie come un artigiano che taglia il cuoio su un banco di legno oppure una vetrina con cantucci e panforte, il sistema applicherà fedelmente la resa artistica richiesta a soggetti mai visti prima dal modello durante l'addestramento originale.

Come testare e regolare un file LoRA

L'uso di un adattatore richiede metodo per ottenere risultati puliti ed evitare deformazioni. Per valutare la qualità di un file, è consigliabile seguire alcuni passaggi:

  1. Verificare la compatibilità del modello base: un adapter creato per una specifica architettura non funzionerà su un'altra. È fondamentale controllare la scheda tecnica dell'adattatore prima dell'uso.
  2. Stabilire un'immagine di controllo: prima di attivare l'adattatore, generate un'immagine con prompt, dimensioni, seme casuale (seed) e impostazioni fisse. Questo servirà da confronto per capire l'impatto reale delle modifiche.
  3. Regolare il peso con gradualità: i programmi consentono di impostare la forza di LoRA, solitamente con un valore da zero a uno. Impostare subito il valore massimo può bruciare i colori o creare artefatti; è preferibile partire da valori intermedi e salire gradualmente.
  4. Inserire l'eventuale parola chiave: molti adapter visivi richiedono una parola di innesco (chiamata trigger word) nel prompt per richiamare con precisione il concetto appreso.
  5. Provare contesti diversi: verificate che lo stile regga anche cambiando completamente scena, angolazione e illuminazione, per essere certi che il modello non si limiti a copiare sempre lo stesso sfondo.

Errori frequenti e limiti dello strumento

Uno degli sbagli più comuni è credere che LoRA possa correggere le mancanze del modello base. Se l'architettura principale non conosce le proporzioni dell'anatomia o non comprende la prospettiva complessa di una piazza italiana, l'adattatore non potrà colmare queste lacune: si limiterà a decorare gli errori con il proprio stile visivo.

Un altro errore frequente riguarda la fase di addestramento casalingo: utilizzare immagini troppo simili tra loro o prive di descrizioni adeguate produce un fenomeno noto come sovradattamento. In questo caso, il modello non impara lo stile o il concetto astratto, ma finisce per replicare all'infinito i singoli dettagli dei file di partenza, perdendo qualsiasi capacità di generare idee nuove.

Come impostarlo in Midjourney, FLUX, Ideogram, GPT Image e ComfyUI, con immagini prima e dopo: Peso LoRA (LoRA weight) nel glossario dei parametri

Domande frequenti

Qual è la differenza principale tra LoRA e un fine-tuning completo?

Il fine-tuning completo aggiorna tutti i parametri del modello base richiedendo enormi risorse di memoria e server dedicati. LoRA invece congela il modello originale e addestra soltanto matrici ridotte, producendo file molto leggeri e facili da condividere.

La tecnologia LoRA per IA ha legami con le reti radio LoRaWAN?

No, non esiste alcuna connessione tecnica. Condividono lo stesso acronimo, ma LoRA nell'intelligenza artificiale indica Low-Rank Adaptation per reti neurali, mentre LoRa nelle telecomunicazioni indica Long Range per la trasmissione radio a basso consumo.

Perché le immagini generate con un LoRA appaiono distorte o con colori bruciati?

Spesso accade perché il peso o la forza dell'adattatore è impostato a un valore troppo alto. Ridurre il coefficiente numerico nelle impostazioni permette al modello base di conservare la coerenza della composizione mantenendo comunque lo stile desiderato.

È sempre necessaria una parola di attivazione per usare un file LoRA?

Non sempre. Alcuni adattatori influenzano l'intero stile del generatore non appena vengono caricati, mentre altri sono stati addestrati per rispondere a un termine specifico inserito nel prompt.

← Tutti i termini del Glossario IA

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›