分层Transformer模型探索多层次预测编码
这个项目提出了一种在GPT模型中实现多层次预测编码的方法。它通过在Transformer中引入多层结构,结合局部注意力和全局信息传递。实验结果显示,该方法在维持性能的同时提升了效率。项目允许自定义层次结构、维度和注意力窗口大小,为研究人员提供了探索分层Transformer的实验工具。项目代码支持灵活配置,包括调整层次数量、模型维度和注意力窗口大小。这种设计使研究人员能够方便地进行不同参数的对比实验,有助于深入理解分层Transformer的性能特点。
围绕在 GPT 中引入多个层次化预测编码模型的简单想法进行的实验。这个想法非常简单,可能不会奏效。但是,深度学习的进步正是建立在简单想法的基础之上。值得一试。
到目前为止,这个想法已经通过了一位研究朋友的试金石测试。我将在接下来的一周左右完成它。如果不成功,我也会保留负面的实验结果和代码库,也许有博士生可以在此基础上进行改进。
更新:我认为它正在奏效 🤞
感谢 <a href="https://stability.ai/">StabilityAI</a> 赞助进行这项独立研究
感谢 <a href="https://huggingface.co/">🤗 Huggingface</a> 提供的 accelerate 库
$ pip install simple-hierarchical-transformer
三个层次结构,全部用于预测下一个标记
import torch from simple_hierarchical_transformer import HierarchicalTransformer model = HierarchicalTransformer( num_tokens = 20000, # 标记数量 dim = 512, # 模型维度 depth = 6, # 深度 dim_head = 64, # 每个注意力头的维度 heads = 8, # 注意力头数量 seq_len = 2048, # 序列长度 hierarchies = (1, 2, 8), # 层次结构 - 这里我们有 1x (像常规 Transformer), 然后是 2x 和 8x 压缩的层次标记,它们经过各自的 Transformer 块。在每一层,信息被合并到一个层次结构中 window_sizes = (32, 64, None) # 局部注意力窗口大小 - 想法是更高层次可以将远距离信息传递给局部层次。None 表示完整的接受域。设置为 0 将完全关闭该层次的注意力(而标记移位仍然会在每一层生效) ) ids = torch.randint(0, 20000, (1, 2048)) loss, _ = model(ids, return_loss = True) loss.backward() # 经过大量训练后 logits = model(ids)
如果不指定 hierarchies
和 window_sizes
,你基本上就是默认使用一个具有全序列长度注意力的常规自回归 Transformer。
# 非层次化 Transformer model = HierarchicalTransformer( num_tokens = 20000, dim = 512, depth = 8, dim_head = 64, heads = 8, seq_len = 2048, hierarchies = 1, # 如果不设置则默认为 1 window_sizes = None # 如果不设置则默认为 None (全序列长 度) )
现在是一个更复杂的例子。实验表明,随着层次结构的压缩,你需要更大的模型维度来获得适当的容量。
model = HierarchicalTransformer( num_tokens = 256, dim = (128, 256, 512, 1024), depth = 8, seq_len = 1024, use_flash_attn = True, ff_mult = (2, 2, 4, 4), dim_head = (16, 32, 64, 64), heads = (2, 4, 8, 8), hierarchies = (1, 2, 4, 16), hierarchical_stride = (1, 1, 1, 8), # 这将决定压缩时的步长,以及将层次标记连接到精细标记时,过去的标记将重复这么多次。因果性不会被违反,因为使用了沙漏 Transformer 的技巧,即序列被压缩因子 - 1 移动。建议除了高度压缩的层次外,保持为 1,因为它会变得非常不具竞争力,且生成结果看起来有问题 window_sizes = (16, 32, 64, None) ).cuda() # 层次结构 # 1x - 维度 128 - 注意力 (2 个头, 16 维, 接受域 16) # 2x - 维度 256 - 注意力 (4 个头, 32 维, 接受域 32) # 4x - 维度 512 - 注意力 (8 个头, 64 维, 接受域 64) # 8x - 维度 1024 - 注意力 (8 个头, 64 维, 全部接受域)
hierarchical_stride
最接近的想法是<a href="https://arxiv.org/abs/2110.13711">沙漏型变换器</a>。
我对层级方法重新产生兴趣是源于阅读<a href="https://www.nature.com/articles/s41562-022-01516-2">这篇文章</a>。
@article{Nawrot2021HierarchicalTA, title = {Hierarchical Transformers Are More Efficient Language Models}, author = {Piotr Nawrot and Szymon Tworkowski and Michal Tyrolski and Lukasz Kaiser and Yuhuai Wu and Christian Szegedy and Henryk Michalewski}, journal = {ArXiv}, year = {2021}, volume = {abs/2110.13711} }
@inproceedings{dao2022flashattention, title = {Flash{A}ttention: Fast and Memory-Efficient Exact Attention with {IO}-Awareness}, author = {Dao, Tri and Fu, Daniel Y. and Ermon, Stefano and Rudra, Atri and R{\'e}, Christopher}, booktitle = {Advances in Neural Information Processing Systems}, year = {2022} }
@misc{su2021roformer, title = {RoFormer: Enhanced Transformer with Rotary Position Embedding}, author = {Jianlin Su and Yu Lu and Shengfeng Pan and Bo Wen and Yunfeng Liu}, year = {2021}, eprint = {2104.09864}, archivePrefix = {arXiv}, primaryClass = {cs.CL} }
@inproceedings{Sun2022ALT, title = {A Length-Extrapolatable Transformer}, author = {Yutao Sun and Li Dong and Barun Patra and Shuming Ma and Shaohan Huang and Alon Benhaim and Vishrav Chaudhary and Xia Song and Furu Wei}, year = {2022} }
@software{peng_bo_2021_5196578, author = {PENG Bo}, title = {BlinkDL/RWKV-LM: 0.01}, month = {aug}, year = {2021}, publisher = {Zenodo}, version = {0.01}, doi = {10.5281/zenodo.5196578}, url = {https://doi.org/10.5281/zenodo.5196578} }
@article{Piergiovanni2023Mirasol3BAM, title = {Mirasol3B: A Multimodal Autoregressive model for time-aligned and contextual modalities}, author = {A. J. Piergiovanni and Isaac Noble and Dahun Kim and Michael S. Ryoo and Victor Gomes and Anelia Angelova}, journal = {ArXiv}, year = {2023}, volume = {abs/2311.05698}, url = {https://api.semanticscholar.org/CorpusID:265129010} }
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