🚀 T5-Efficient-SMALL-KV256 (深度窄化版本)
T5-Efficient-SMALL-KV256是谷歌原始T5的一個變體,遵循T5模型架構。它是一個僅預訓練的檢查點,隨論文**高效擴展:預訓練和微調Transformer的見解**發佈,該論文由Yi Tay、Mostafa Dehghani、Jinfeng Rao、William Fedus、Samira Abnar、Hyung Won Chung、Sharan Narang、Dani Yogatama、Ashish Vaswani、Donald Metzler撰寫。
簡而言之,該論文指出,與參數數量相近的其他模型架構相比,深度窄化的模型架構在下游任務性能上更具優勢。
引用論文內容如下:
我們通常推薦深度窄化策略,即在考慮對其他維度進行統一擴展之前,優先增加模型的深度。這主要是因為正如論文前面章節所示,深度對帕累託前沿的影響很大。具體來說,一個高而小(深度大且寬度窄)的模型通常比基礎模型更高效。同樣,一個高的基礎模型通常也比大模型更高效。我們通常發現,無論模型大小如何,即使隨著層數的增加絕對性能可能會提高,但隨著層數的增加,帕累託效率的相對增益會逐漸減小,在32到36層時收斂。最後,我們注意到這裡的效率概念涉及任何一個計算維度,即參數數量、浮點運算次數或吞吐量(速度)。我們報告了所有三個關鍵的效率指標(參數數量、浮點運算次數和速度),並將選擇考慮哪個計算維度的決定權留給從業者。
更準確地說,模型深度定義為順序堆疊的Transformer塊的數量。因此,單詞嵌入序列會依次由每個Transformer塊進行處理。
✨ 主要特性
模型架構細節
此模型檢查點 - t5-efficient-small-kv256 - 屬於小型模型類型,具有以下變體:
它有1.1714億個參數,因此在全精度(fp32)下大約需要468.58 MB的內存,在半精度(fp16 或 bf16)下需要234.29 MB的內存。
原始 T5模型架構的總結如下:
模型 |
nl (el/dl) |
ff |
dm |
kv |
nh |
參數數量 |
Tiny |
4/4 |
1024 |
256 |
32 |
4 |
16M |
Mini |
4/4 |
1536 |
384 |
32 |
8 |
31M |
Small |
6/6 |
2048 |
512 |
32 |
8 |
60M |
Base |
12/12 |
3072 |
768 |
64 |
12 |
220M |
Large |
24/24 |
4096 |
1024 |
64 |
16 |
738M |
Xl |
24/24 |
16384 |
1024 |
128 |
32 |
3B |
XXl |
24/24 |
65536 |
1024 |
128 |
128 |
11B |
以下是使用的縮寫說明:
屬性 |
詳情 |
nl |
變壓器塊的數量(深度) |
dm |
嵌入向量的維度(變壓器塊的輸出向量) |
kv |
鍵/值投影矩陣的維度 |
nh |
注意力頭的數量 |
ff |
變壓器塊內中間向量的維度(前饋投影矩陣的大小) |
el |
編碼器中的變壓器塊數量(編碼器深度) |
dl |
解碼器中的變壓器塊數量(解碼器深度) |
sh |
表示注意力頭是共享的 |
skv |
表示鍵值投影矩陣是綁定的 |
如果一個模型檢查點沒有特定的 el 或 dl,則編碼器層和解碼器層的數量都對應於 nl。
預訓練
該檢查點在大規模、清理後的通用爬蟲數據集(C4)上進行了524288步的預訓練,採用基於跨度的掩碼語言建模(MLM)目標。
微調
⚠️ 重要提示
此模型是一個預訓練檢查點,需要進行微調才能實際使用。該檢查點是用英語進行預訓練的,因此僅適用於英語自然語言處理任務。
你可以參考以下示例來微調該模型:
PyTorch:
TensorFlow:
- 文本摘要
- 文本分類 - 注意:你需要對這裡的訓練示例進行一些微調,使其適用於編碼器 - 解碼器模型。
JAX/Flax:
- 文本摘要
- 文本分類 - 注意:你需要對這裡的訓練示例進行一些微調,使其適用於編碼器 - 解碼器模型。
下游性能
待補充表格(如果有)
計算複雜度
待補充表格(如果有)
📚 詳細文檔
我們強烈建議讀者仔細閱讀原始論文**高效擴展:預訓練和微調Transformer的見解**,以更深入地瞭解此模型檢查點。
正如此問題中所解釋的,包含 sh 或 skv 模型架構變體的檢查點尚未移植到Transformers庫中,因為它們可能實際用途有限且缺乏更詳細的描述。這些檢查點保留在此處,可能會在未來進行移植。
📄 許可證
該項目採用Apache 2.0許可證。