大语言模型训练技巧

10、Flash Attention

标准Attention的中间结果需要通过高带宽内存(HBM)进行存取,空间复杂度为O(N2)。随着输入序列长度的增加,标准Attention计算的时间和空间复杂度呈线性增长。FlashAttention通过减少以及加速对HBM的访问,实现运行加速。运行速度比标准Attention快 2-4 倍,所需内存减少5-20倍。

11、Multi Query Attention

通过让所有的Head之间共享同一份Key和Value矩阵,每个头只单独保留一份Query,从而实现参数量和计算量的减少。

12、相对位置编码

可以在较短的序列长度上训练,在较长的序列长度上推理,进而实现训练加速。例如ALiBi (Attention with Linear Bias),RoPE (rotary positional embeddings)。

13、RMSNorm Normalization

分为Post-Norm和Pre-Norm。Post-Norm在残差连接后对参数归一化,对参数正则化更强。Pre-Norm在残差连接前对参数归一化,有一部分参数直接与后面的参数相加,因此没有对这部分参数进行正则化,可以防止梯度爆炸或消失。RMSNorm是Pre-Norm的一种,提高训练稳定性。

14、SwiGLU

通过架构搜索探索出的激活函数变体。其中,FFN的大小是hidden dimension的8/3倍,而常规FFN的大小是hidden dimension的4倍,减少了计算量。

、、、、、、、、、、、、、、、、、、、、、、、、、、、

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值