这篇文章(还是校友),也是和dot product本身没什么关系。讲一讲核心思想
文章在背景中介绍了Sparse Mixture of Experts,因为MH-MoE也是在S-MoE基础上做的,个人感觉其实变动并不大,但我觉得写的很清楚,感谢。
个人感觉这个图画得不够直观,看论文得公式更直观一些。
进入正题
核心思想:
每个TOKENQ其实都通过了所有专家,这样每个token都有个对于专家的权重,最后再找对于的专家去做乘法对吗?
这篇文章(还是校友),也是和dot product本身没什么关系。讲一讲核心思想
文章在背景中介绍了Sparse Mixture of Experts,因为MH-MoE也是在S-MoE基础上做的,个人感觉其实变动并不大,但我觉得写的很清楚,感谢。
个人感觉这个图画得不够直观,看论文得公式更直观一些。
进入正题
核心思想:
每个TOKENQ其实都通过了所有专家,这样每个token都有个对于专家的权重,最后再找对于的专家去做乘法对吗?