本文是LLM系列文章,针对《LoRAP: Transformer Sub-Layers Deserve Differentiated Structured
Compression for Large Language Models》的翻译。
摘要
大型语言模型(LLM)在困难的任务中表现出色,但它们通常需要大量的内存和计算资源。如何减小LLM的参数尺度已成为研究热点。在这项研究中,我们观察到transformer的多头自关注(MHA)子层表现出明显的低秩结构,而前馈网络(FFN)子层则没有。在这方面,我们设计了一种混合压缩模型,该模型将低秩矩阵近似和结构化修剪(LoRAP)有机地结合在一起。对于MHA子层,我们提出了一种输入激活加权奇异值分解方法来增强低秩特性。此外,我们发现MHA子层中的权重矩阵具有不同的低秩度。因此,设计了一种根据低秩度差异的新参数分配方案。对于FFN子层,我们提出了一种无梯度的结构化信道修剪方法。在修剪过程中,我们得到了一个有趣的发现,即最不重要的1%的参数实际上在模型性能中起着至关重要的作用。对零样本困惑和零样本任务分类的广泛评估表明,在多种压缩比下,我们的建议优于以前的结构化压缩竞争对手。
1 引言
2 背景
3 提出的方法
4 实验
5 结论
与现有的以相同方式压缩LLM的Transformer模块的工作不同,这项工作提出了一种名为LoRAP的混合结构压缩模型,该模型对Transformer的不同子层分别采