T5 Efficient Small Kv32

🚀 T5-Efficient-SMALL-KV32 (Deep-Narrow version)

T5-Efficient-SMALL-KV32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。 これは事前学習専用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。

一言で言えば、この論文は、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を示しています。

論文から引用すると:

一般的に、モデルの深さを優先的に増やし、他の次元での均一なスケーリングを考える前に、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、一般的にベースモデルよりも効率的です。同様に、高いベースモデルも、一般的に大きなモデルよりも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）などの任意のコンピュート次元に関係します。私たちは3つの主要な効率指標（パラメータ数、FLOP、および速度）を報告し、どのコンピュート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。

📚 ドキュメント

詳細なモデルアーキテクチャ

このモデルのチェックポイント - t5-efficient-small-kv32 - は、次のようなバリエーションを持つSmall型のモデルです。

• kv は 32

このモデルは5108万個のパラメータを持ち、したがって、全精度（fp32）では約204.34 MB、半精度（fp16またはbf16）では102.17 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。

モデルの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。

ファインチューニング

⚠️ 重要な注意

このモデルは事前学習済みのチェックポイントであり、実用的な使用にはファインチューニングが必要です。 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。

このモデルをファインチューニングする方法の例を以下に示します。

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、ここでのトレーニング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、ここでのトレーニング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、ここでのトレーニング例を少し調整する必要があります。

下流のパフォーマンス

TODO: 利用可能な場合は表を追加します。

計算量

TODO: 利用可能な場合は表を追加します。

その他の情報

このモデルのチェックポイント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、ここに保存されています。

📄 ライセンス

このモデルは、Apache 2.0ライセンスの下で公開されています。