T5 Efficient Large Dm2000

🚀 T5-Efficient-LARGE-DM2000 (深度窄化版本)

T5-Efficient-LARGE-DM2000 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，論文作者為 Yi Tay、Mostafa Dehghani、Jinfeng Rao、William Fedus、Samira Abnar、Hyung Won Chung、Sharan Narang、Dani Yogatama、Ashish Vaswani、Donald Metzler。

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性能方面更具優勢。

引用論文內容如下：

我們通常推薦採用深度窄化策略，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。這主要是因為論文前面部分所展示的深度對帕累託前沿的影響程度。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可能比大型模型更高效。我們通常發現，無論模型大小如何，即使隨著層數的不斷堆疊，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 層時趨於收斂。最後，我們注意到，這裡的效率概念與任何一種計算維度相關，即參數數量、浮點運算次數（FLOPs）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、FLOPs 和速度），並將選擇考慮哪種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，詞嵌入序列會依次由每個 Transformer 塊進行處理。

📚 詳細文檔

模型架構詳情

此模型檢查點 - t5-efficient-large-dm2000 - 屬於大型模型類型，具有以下變體：

• dm 為 2000

它有 14.7539 億 個參數，因此在全精度（fp32）下大約需要 5901.57 MB 的內存，在半精度（fp16 或 bf16）下需要 2950.78 MB 的內存。

以下是原始 T5 模型架構的總結：

以下是使用的縮寫說明：

如果一個模型檢查點沒有特定的 el 或 dl，則編碼器和解碼器層的數量都對應於 nl。

預訓練

該檢查點在 Colossal, Cleaned version of Common Crawl (C4) 上進行了 524288 步的預訓練，使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:

• 文本摘要
• 問答系統
• 文本分類 - 注意：你需要稍微調整這裡的訓練示例，使其適用於編碼器 - 解碼器模型。

Tensorflow:

• 文本摘要
• 文本分類 - 注意：你需要稍微調整這裡的訓練示例，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：你需要稍微調整這裡的訓練示例，使其適用於編碼器 - 解碼器模型。

下游性能

TODO: 如果有相關數據，將添加表格

計算複雜度

TODO: 如果有相關數據，將添加表格

更多信息

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 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 這裡，可能會在未來進行移植。

📄 許可證

本項目採用 Apache 2.0 許可證。