T5 Efficient Small Dm768

🚀 T5-Efficient-SMALL-DM768 (Deep-Narrow version)

T5-Efficient-SMALL-DM768は、GoogleのオリジナルT5をベースに、T5モデルアーキテクチャに沿ったモデルです。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タスク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、論文の前半部分で示されているように、深さがパレートフロンティアに大きく影響するためです。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、高い基本モデルは、大きなモデルと比較して一般的により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場合でも、層を増やすと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）などのいずれかの計算次元に関連しています。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。

📚 ドキュメント

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-small-dm768 - はSmallタイプのモデルで、以下のような変形があります。

• dm は 768

このモデルは9077万のパラメータを持ち、完全精度（fp32）では約363.1 MB、半精度（fp16またはbf16）では181.55 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524288ステップ、スパンベースのマスク言語モデリング（MLM）の目的で事前学習されました。

ファインチューニング

⚠️ 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。

以下は、このモデルをファインチューニングする方法の例です。

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。

下流タスクのパフォーマンス

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の変形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。

📄 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。