T5 Efficient Base Nl48

🚀 T5-Efficient-BASE-NL48 (Deep-Narrow version)

T5-Efficient-BASE-NL48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。

要するに、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。これは主に、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どれだけ影響を与えるかによります。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、一般的に大きい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、レイヤー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、パレート効率の相対的なゲインはレイヤーを増やすにつれて減少し、32から36レイヤーで収束します。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、任意の計算次元に関連しています。私たちは3つの主要な効率メトリクス（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。

📚 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-base-nl48 - は、以下の変形を持つBase型のモデルです。

• nl は 48

このモデルは8億1770万のパラメータを持ち、完全精度（fp32）では約3270.79 MB、半精度（fp16またはbf16）では1635.39 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レイヤー数はどちらも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。

以下の例を参考にしてモデルをファインチューニングすることができます。

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。

📄 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。

📚 詳細情報

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。