Műszaki ÚTMUTATÓ

Lineáris figyelem és előadó kernelek

A lineáris figyelem felváltja a kvadratikus softmax figyelmet a Transformersben egy matematikai trükkel, amely lineárisan skálázódik a sorozat hosszával.

Hallgassa meg ezt az útmutatótAI-narrált · ~2 min

Ezen az oldalon2 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. A lineáris figyelem és az előadói kernelek jövője
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

A Performer egy mérföldkőnek számító módszer, amely a softmax-ot véletlenszerű funkciómagok segítségével közelíti meg, így a nagyon hosszú sorozatokat számításilag megfizethetővé teszi.

Mély merülés

A Standard Transformer figyelem minden tokenek között egy pontszámot számít ki, időbe és memóriába kerül, ami a sorozathossz négyzetével (O(n^2)) nő. A lineáris figyelem átírja a számítást, így a költség csak lineárisan nő (O(n)). A kulcsötlet: a softmax figyelem a softmax(QK^T)V, de ha lecseréled a softmax-ot egy kernel phi jellemzőleképezésre, akkor phi(Q)(phi(K)^T V-t kapsz). Mivel a mátrixszorzás asszociatív, először a phi(K)^T V-t kell kiszámítani (egy kis d-szer mátrix), teljesen elkerülve az óriási n-szeres pontszámmátrixot. A Performer a 2020-as Google-tól ezt a valódi softmax hű közelítését teszi a FAVOR+ (Fast Attention Via pozitív orthogonal Random features) segítségével, véletlenszerű vetületeket rajzolva, amelyek elfogulatlanok és stabilan tartják a kernelbecsléseket.

Valós megvalósítás

Hosszú genomiális vagy fehérjeszekvenciák feldolgozása, ahol a teljes kvadratikus figyelem kimerítené a GPU memóriáját

Dokumentumszintű összegzés nagyon hosszú jelentéseken, darabolás nélkül, Performer-stílusú gerinchálózat segítségével

Hatékony hosszú formátumú hang- vagy idősoros modellezés, ahol a sorozatok több tízezer lépést ölelnek fel

A következtetési költségek csökkentése a hosszú kontextusú csevegési modellekben néhány softmax réteg lineáris figyelemfelkeltő változatokkal való helyettesítésével

A lineáris figyelem és az előadói kernelek jövője

A tiszta lineáris figyelem gyakran a softmax mögött követi a minőséget, ezért a mező konvergál a hibrideknél: állapottér modellek (Mamba), kapuzott lineáris figyelem és olyan architektúrák, amelyek néhány teljes figyelem réteget kevernek sok lineáris réteggel. Ahogy a kontextusablakok több millió tokenek felé tolódnak, a lineáris és szubkvadratikus mechanizmusok egyre vonzóbbak a költségek szempontjából, és a visszatérő stílusú lineáris figyelem a hatékony streaming következtetések és az eszközön lévő modellek felé fordul.

A gyakorlatba ültetés

Miért számít

  • Költség és költségvetés. Az építészeti döntések évekig növelik a teljesítményt és a működési költségeket.
  • Tisztább döntések. A technikai oktatás segít a csapatoknak a megfelelő verem kiválasztásában, nem csak a legújabb készletben.
  • Minőségellenőrzés. A jobb mérnöki döntések csökkentik a termelés megbízhatósági incidenseit.

Vigyázz

  • Egy benchmark optimalizálása elrejtheti a rendszer általános hiányosságait.
  • Az infrastrukturális és karbantartási költségeket gyakran alábecsülik.
  • A biztonsági és megfigyelhetőségi hiányosságok a rendszerek bonyolultabbá válásával nőhetnek.

Következő lépések

  1. Határozza meg a késleltetési, minőségi és költségcélokat a megvalósítás előtt.
  2. Benchmark reális terhelési és adatviszonyok mellett.
  3. Műszerfigyelés a hibák, az eltolódás és a felhasználói hatások szempontjából.
  4. A méretezés előtt készítse elő a visszagörgetési és az incidensre adott válaszútvonalakat.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the Linear Attention and Performer Kernels quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az a lineáris figyelem és előadó kernel?

A lineáris figyelem felváltja a kvadratikus softmax figyelmet a Transformersben egy matematikai trükkel, amely lineárisan skálázódik a sorozat hosszával. A Performer egy mérföldkőnek számító módszer, amely a softmax-ot véletlenszerű funkciómagok segítségével közelíti meg, így a nagyon hosszú sorozatokat számításilag megfizethetővé teszi.

Miért skálázódik rosszul a standard softmax figyelem a sorozat hosszával?

A Softmax figyelem minden tokenpárt összehasonlít, és n-szer n pontszámmátrixot hoz létre, így a költségek O(n^2) növekedéssel nőnek.

Milyen matematikai tulajdonság teszi lehetővé, hogy a lineáris figyelem elkerülje az n-szer mátrixot?

Mivel a mátrixszorzás asszociatív, a phi(Q)phi(K)^T helyett először a phi(K)^T V-t, egy kis d-by-d mátrixot számíthat ki.

Mihez közelít a Performer's FAVOR+ mechanizmus?

A FAVOR+ pozitív ortogonális véletlenszerű jellemzőket használ az exponenciális softmax kernel közelítésére anélkül, hogy a teljes figyelemmátrixot alkotná.

Miért használ a Performer pozitív véletlenszerű jellemzőket a korábbi trigonometrikus jellemzők helyett?

A pozitív tulajdonságok megőrzik a kernel becsléseit, hogy ne legyenek negatívak, elkerülve a korábbi sin/cos jellemzőtérképeket sújtó instabilitásokat és negatív értékeket.

Mekkora az Előadó-stílusú lineáris figyelem hozzávetőleges összetettsége n sorozathosszban?

A számítás újrarendezésével, és soha nem építve fel az n-szeres mátrixot, a költség lineárisan skálázódik a sorozat hosszával.