稀疏混合专家(Sparse Mixture of Experts, MoE)模型是近年来大型语言模型领域的一个重要发展方向。本文将详细介绍如何从头实现一个基于MoE架构的语言模型,该项目名为makeMoE,受到了Andrej Karpathy的makemore项目的启发。
makeMoE是一个自回归字符级语言模型,采用了稀疏混合专家架构。与传统Transformer模型不同,MoE模型在每个Transformer块中使用多个专家网络替代了单一的前馈网络。这种设计可以显著增加模型参数量,同时保持计算效率。
本项目的主要目标是:
makeMoE模型的核心组件包括:
让我们逐一深入了解这些组件。
自注意力是Transformer模型的核心,MoE模型保留了这一机制。以下是因果自注意力头的实现:
class Head(nn.Module): def __init__(self, head_size): super().__init__() self.key = nn.Linear(n_embd, head_size, bias=False) self.query = nn.Linear(n_embd, head_size, bias=False) self.value = nn.Linear(n_embd, head_size, bias=False) self.register_buffer('tril', torch.tril(torch.ones(block_size, block_size))) self.dropout = nn.Dropout(dropout) def forward(self, x): B,T,C = x.shape k = self.key(x) q = self.query(x) wei = q @ k.transpose(-2,-1) * C**-0.5 wei = wei.masked_fill(self.tril[:T, :T] == 0, float('-inf')) wei = F.softmax(wei, dim=-1) wei = self.dropout(wei) v = self.value(x) out = wei @ v return out
多头注意力机制通过并行应用多个注意力头来提高模型的表达能力:
class MultiHeadAttention(nn.Module): def __init__(self, num_heads, head_size): super().__init__() self.heads = nn.ModuleList([Head(head_size) for _ in range(num_heads)]) self.proj = nn.Linear(n_embd, n_embd) self.dropout = nn.Dropout(dropout) def forward(self, x): out = torch.cat([h(x) for h in self.heads], dim=-1) out = self.dropout(self.proj(out)) return out
专家模块本质上是一个简单的多层感知机(MLP):
class Expert(nn.Module): def __init__(self, n_embd): super().__init__() self.net = nn.Sequential( nn.Linear(n_embd, 4 * n_embd), nn.ReLU(), nn.Linear(4 * n_embd, n_embd), nn.Dropout(dropout), ) def forward(self, x): return self.net(x)
门控网络决定了每个token应该由哪些专家处理。Top-k门控选择k个最相关的专家:
class TopkRouter(nn.Module): def __init__(self, n_embed, num_experts, top_k): super(TopkRouter, self).__init__() self.top_k = top_k self.linear = nn.Linear(n_embed, num_experts) def forward(self, mh_output): logits = self.linear(mh_output) top_k_logits, indices = logits.topk(self.top_k, dim=-1) zeros = torch.full_like(logits, float('-inf')) sparse_logits = zeros.scatter(-1, indices, top_k_logits) router_output = F.softmax(sparse_logits, dim=-1) return router_output, indices
为了实现更好的负载均衡,我们可以在门控网络中引入噪声:
class NoisyTopkRouter(nn.Module): def __init__(self, n_embed, num_experts, top_k): super(NoisyTopkRouter, self).__init__() self.top_k = top_k self.topkroute_linear = nn.Linear(n_embed, num_experts) self.noise_linear = nn.Linear(n_embed, num_experts) def forward(self, mh_output): logits = self.topkroute_linear(mh_output) noise_logits = self.noise_linear(mh_output) noise = torch.randn_like(logits) * F.softplus(noise_logits) noisy_logits = logits + noise top_k_logits, indices = noisy_logits.topk(self.top_k, dim=-1) zeros = torch.full_like(noisy_logits, float('-inf')) sparse_logits = zeros.scatter(-1, indices, top_k_logits) router_output = F.softmax(sparse_logits, dim=-1) return router_output, indices
将以上组件组合起来,我们得到了完整的稀疏混合专家模块:
class SparseMoE(nn.Module): def __init__(self, n_embed, num_experts, top_k): super(SparseMoE, self).__init__() self.router = NoisyTopkRouter(n_embed, num_experts, top_k) self.experts = nn.ModuleList([Expert(n_embed) for _ in range(num_experts)]) self.top_k = top_k def forward(self, x): gating_output, indices = self.router(x) final_output = torch.zeros_like(x) flat_x = x.view(-1, x.size(-1)) flat_gating_output = gating_output.view(-1, gating_output.size(-1)) for i, expert in enumerate(self.experts): expert_mask = (indices == i).any(dim=-1) flat_mask = expert_mask.view(-1) if flat_mask.any(): expert_input = flat_x[flat_mask] expert_output = expert(expert_input) gating_scores = flat_gating_output[flat_mask, i].unsqueeze(1) weighted_output = expert_output * gating_scores final_output[expert_mask] += weighted_output.squeeze(1) return final_output
最后,我们将所有组件组合成一个完整的MoE语言模型:
class SparseMoELanguageModel(nn.Module): def __init__(self): super().__init__() self.token_embedding_table = nn.Embedding(vocab_size, n_embed) self.position_embedding_table = nn.Embedding(block_size, n_embed) self.blocks = nn.Sequential(*[Block(n_embed, n_head=n_head, num_experts=num_experts, top_k=top_k) for _ in range(n_layer)]) self.ln_f = nn.LayerNorm(n_embed) self.lm_head = nn.Linear(n_embed, vocab_size) def forward(self, idx, targets=None): B, T = idx.shape tok_emb = self.token_embedding_table(idx) pos_emb = self.position_embedding_table(torch.arange(T, device=device)) x = tok_emb + pos_emb x = self.blocks(x) x = self.ln_f(x) logits = self.lm_head(x) if targets is None: loss = None else: B, T, C = logits.shape logits = logits.view(B*T, C) targets = targets.view(B*T) loss = F.cross_entropy(logits, targets) return logits, loss def generate(self, idx, max_new_tokens): for _ in range(max_new_tokens): idx_cond = idx[:, -block_size:] logits, loss = self(idx_cond) logits = logits[:, -1, :] probs = F.softmax(logits, dim=-1) idx_next = torch.multinomial(probs, num_samples=1) idx = torch.cat((idx, idx_next), dim=1) return idx
模型的训练过程采用了标准的语言模型训练方法。我们使用AdamW优化器,并定期评估模型在训练集和验证集上的损失。
model = SparseMoELanguageModel() optimizer = torch.optim.AdamW(model.parameters(), lr=learning_rate) for iter in range(max_iters): if iter % eval_interval == 0: losses = estimate_loss() print(f"step {iter}: train loss {losses['train']:.4f}, val loss {losses['val']:.4f}") xb, yb = get_batch('train') logits, loss = model(xb, yb) optimizer.zero_grad(set_to_none=True) loss.backward() optimizer.step()
makeMoE项目展示了如何从零开始实现一个稀疏混合专家语言模型。尽管这个实现更注重可读性和可修改性,而非性能优化,但它为理解MoE模型的工作原理提供了宝贵的洞察。
未来的改进方向包括:
通过深入理解和实现MoE模型,我们不仅能够掌握这一先进的模型架构,还能为未来的语言模型研究和开发奠定基础。makeMoE项目为研究人员和开发者提供了一个灵活的实验平台,期待看到更多基于此的创新和突破。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目, 能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、 财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号