T5 Efficient Tiny Nl8

🚀 T5-Efficient-TINY-NL8 (Deep-Narrow version)

T5-Efficient-TINY-NL8は、GoogleのオリジナルT5に基づき、T5モデルアーキテクチャに沿ったバリエーションです。これは事前学習のみのチェックポイントであり、Yi Tay, Mostafa Dehghani, Jinfeng Rao, William Fedus, Samira Abnar, Hyung Won Chung, Sharan Narang, Dani Yogatama, Ashish Vaswani, Donald Metzlerによる論文**Scale Efficiently: Insights from Pre-training and Fine-tuning Transformers**とともに公開されました。

簡単に言うと、この論文では、同じパラメータ数の他のモデルアーキテクチャと比較して、Deep-Narrowのモデルアーキテクチャが下流のパフォーマンスに有利であることが示されています。

論文から引用すると：

一般的に、他の次元での均一なスケーリングを考える前に、モデルの深さを優先的に増やすDeepNarrow戦略を推奨します。これは主に、論文の前のセクションで示されているように、深さがパレートフロンティアにどれだけ影響を与えるかによるものです。具体的には、高くて小さい（深くて狭い）モデルは、基本モデルと比較して一般的に効率的です。同様に、高い基本モデルも、大きなモデルと比較して一般的に効率的である可能性があります。一般的に、サイズに関係なく、層を積み重ね続けると絶対的なパフォーマンスが向上するかもしれませんが、層を増やすにつれてパレート効率の相対的なゲインは減少し、32から36層で収束します。最後に、ここでの効率の概念は、パラメータ、FLOP、またはスループット（速度）などの任意の計算次元に関係します。私たちは3つの主要な効率指標（パラメータ数、FLOP、速度）を報告し、どの計算次元を考慮するかの決定は実践者に委ねます。

より正確に言うと、モデルの深さは、順次積み重ねられたトランスフォーマーブロックの数として定義されます。したがって、単語埋め込みのシーケンスは、各トランスフォーマーブロックによって順次処理されます。

✨ 主な機能

📚 詳細なモデルアーキテクチャ

このモデルチェックポイント - t5-efficient-tiny-nl8 - は、以下のバリエーションを持つTiny型のモデルです。

• nl は 8

このモデルは2293万のパラメータを持ち、したがって、全精度（fp32）では約91.74 MB、半精度（fp16またはbf16）では45.87 MBのメモリを必要とします。

オリジナルのT5モデルアーキテクチャの概要は以下の通りです。

以下の略語が使用されています。

モデルチェックポイントに特定のelまたはdlがない場合、エンコーダとデコーダの層の数はどちらもnlに対応します。

📦 事前学習

このチェックポイントは、Colossal, Cleaned version of Common Crawl (C4)で、span-based masked language modeling (MLM) の目的で524288ステップの事前学習が行われました。

🔧 微調整

⚠️ 重要提示

このモデルは事前学習済みのチェックポイントであり、実用的な使用には微調整が必要です。このチェックポイントは英語で事前学習されているため、英語の自然言語処理タスクにのみ有用です。

モデルを微調整する方法の例は以下の通りです。

PyTorch:

• 要約
• 質問応答
• テキスト分類 - 注意: エンコーダ-デコーダモデルで動作させるために、ここでの学習例を少し調整する必要があります。

Tensorflow:

• 要約
• テキスト分類 - 注意: エンコーダ-デコーダモデルで動作させるために、ここでの学習例を少し調整する必要があります。

JAX/Flax:

• 要約
• テキスト分類 - 注意: エンコーダ-デコーダモデルで動作させるために、ここでの学習例を少し調整する必要があります。

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。

🔧 技術詳細

このモデルについてより詳細な理解を得るために、読者は元の論文**Scale Efficiently: Insights from Pre-training and Fine-tuning Transformers**を注意深く読むことを強くお勧めします。このissueで説明されているように、shまたはskvのモデルアーキテクチャのバリエーションを含むチェックポイントは、実用的な用途が限られており、詳細な説明が不足しているため、Transformersに移植されていません。これらのチェックポイントは、将来的に移植される可能性があるため、ここに保管されています。