GUIDE teknik

Distilaasioŋ Xam-xam

Distilaasioŋ xam-xam dafay tàggat xeetu 'ndongo' bu ndaw ngir toppandoo xeetu 'jàngalekat' bu mag te jaar yoon.

Résumé

Distilaasioŋ xam-xam dafay tàggat xeetu 'ndongo' bu ndaw ngir toppandoo xeetu 'jàngalekat' bu mag te jaar yoon. Dafa am solo ndax dafay wàññi model yu am doole yi, ñu mëna dox ci telefon yi ak serveur yi ci anam wu yomb, boole ci baña gaawa jeex.

Xam-xam Distilaasioŋ ab bloku tabax xarala la buy indi jafe-jafe ci kalite model bi, njëgu infrastructure bi, latency bi, ak wóor ci escale bi.

Plongeur bu xóot

Modèle yu mag yi dañu jaar yoon waaye dañu yeex te seer lool ci jëfandikoo. Distilaasioŋ xam-xam dafay toxal seen kàttan ci xeetu model bu dëgër, ndax dafay tax ndongo yi jàngee ci li jàngalekat bi génne, te baña jàngee ci etiket yu dëgër yi kese. Li gëna am solo ci Hinton ak ay naataangoom mooy ni seddaleb probabilite bu jàngalekat bi dafay yor 'xam-xam bu lëndëm': doonte dafay wax luy waaja am ci 'xaj', probabilite relatif yi ci 'luu' ak 'oto' dañuy wane ni jàngalekat bi di gisee nuru yi. Noofal probabilite yooyu ak tàngoor dafay wane structure boobu, ba noppi ñu tàggat ndongo yi ñu méngale ko, lu bari ci wetu etiketu dëgg yi. Lépp soo ko boolee mu nekk model bu gëna ndaw, gëna gaaw, gëna mëna jëfandikoo lu ëpp benn buñ tàggat ci etiket yi kese. DistilBERT ak TinyBERT xeetu làkk yuñ siiw lañu.

Gis-gis xarala

Perte classique bi dafay boole ab terme distillation (difference KL ci digganté probabilite yu woyof yu ndongo yi ak jàngalekat yi) ak entropie croix buñ miin ci etiket yu dëggu yi. Softening dafay jëfandikoo tàngoor T ci softmax bi: T bu gëna kawe dafay dalal séddale bi suko defee nuru yu ndaw yi am ci diggante klaas yi nekk siñaal yuñ mëna jàng; gradient distilaasioŋ bi dañu koy jëfandikoo ci T-kare. Variante yi dem nañu lu ëpp li ñuy génne: distillation bu sukkandiko ci màndarga yi méngoo ak diggante yi nëbbu, distillation bu sukkandiko ci lëkkaloo gi méngoo ak lëkkaloo gi am ci diggante misaal yi.

Distillation xam-xam

Distilaasioŋ xam-xam dafay tàggat xeetu 'ndongo' bu ndaw ngir toppandoo xeetu 'jàngalekat' bu mag te jaar yoon. Dafa am solo ndax dafay wàññi model yu am doole yi, ñu mëna dox ci telefon yi ak serveur yi ci anam wu yomb, boole ci baña gaawa jeex. Xam-xam Distilaasioŋ ab bloku tabax xarala la buy indi jafe-jafe ci kalite model bi, njëgu infrastructure bi, latency bi, ak wóor ci escale bi. Ngir tabax xam-xam bu xóot, jàppal Distillation Xam-xam ni xeetu liggéey, du benn man-man: leeral njariñ yi nga bëgg, leeral xalaat yi, ak tàqale li sistem bi mëna def ci anam wu wóor ak li ba leegi soxla àtteb kàngam.

Ci jëf, ekip yu am doole yiy jëfandikoo Distillation Xam-xam dañuy gëna baaxal architecture, done, ak tànneefi infrastructure ci wàllu wóor ak njëg. Dañuy bind kritër yu leer ngir am ndam, natt leen ci done yu dëggu ak def liggéey, ba noppi ñu baamtu ci anamu ñàkka mëna seetlu, du ci benn yoon benchmark wins. Mooy barab bi xam-xam theorie bi di soppiku nekk kàttan buy yàgg ci produit yi, ci politik yi ak ci liggéey yi.

Dogal yi architecture di jël dañuy indi njariñ ak njëgu liggéey bi ay at ci ginaaw. Ci jamano jooju, Optimisation benn benchmark mën na nëbb ñakk kattan yu gëna yaatu ci sistem bi. Xeetu jëf bi gëna dëgër mooy boole gaawaayu jàngat ak disipline nguur: doxal pilote, jàpp firnde, siiwal dogal yi, ak wéy di yeesal kaaraange gi ci anam wi ñuy doxalee, li jëfandikukat bi di xaar, ak sàrti sàrt yi di jëm kanam.

njeextalu pexe

Dogal yi architecture di jël dañuy indi njariñ ak njëgu liggéey bi ay at ci ginaaw.

Dogal yi architecture di jël dañuy indi njariñ ak njëgu liggéey bi ay at ci ginaaw. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.

Njàngalem xarala yi dafay jàppale ekip yi ñu tànn li gën, te baña yam ci li gëna bees daal.

Njàngalem xarala yi dafay jàppale ekip yi ñu tànn li gën, te baña yam ci li gëna bees daal. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.

Tanneef yu gëna baax ci wàllu ingeñër dina wàññi jafe-jafe yi ci wàllu wóor ci liggéey bi.

Tanneef yu gëna baax ci wàllu ingeñër dina wàññi jafe-jafe yi ci wàllu wóor ci liggéey bi. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.

Ëlëgu Xam-xam Distillation

Distillation leegi jéego buñ miin la ci yobbu ay model yu baax te nekk na lu am solo ci vague tay bu model yu ndaw te mëna ubbeeku. Tendens buy gaawa màgg mooy distillation ci niveau sequence ci model lakk yu mag, fu model bu dëgër di defar ay done di tàggat wala ay tombi xalaat (bokk ci seen xalaat) ngir jàngal ndonngo yu ndaw yi, di dindi liiñ bi ak ay done synthetik. Xaarandi lëkkaloo bu gëna dëgër ak kantite ak dagg, gëna bari ci aparey yi, ak waxtaan buy wéy ci wàllu lisence ak kalite suñuy distil ci model yuñ moom seen génne nekk siñaal tàggat concurrent.

Doxal ci àdduna dëgg

DistilBERT dafay tënk BERT ci lu tollu ci 40% ci paramet yu néew, ci noonu muy tëye li gëna bari ci xam-xam làkk wi ngir gëna gaaw ci jël doggal.

Wàññi ab xeetu gis-gis bu yaatu suko defee ab xaaj nataal mëna dox ci saa si ci aplikaasioŋu kamera telefon bu xarañ.

Distill model bu mag ci chaîne de pensée ci model bu gëna ndaw ngir mëna tontu laaji math wala codage ci anam wu gëna xéewale.

Dajale ensemble model ci benn ndongo suko defee njëgu liggéey bi ak latency bi wàññeeku te du ñàkk lu bari ci njub.

Modèlu jëfandikoo

Xam-xam Distillation ci jëf

DistilBERT dafay tënk BERT ci lu tollu ci 40% ci paramet yu néew, ci noonu muy tëye li gëna bari ci xam-xam làkk wi ngir gëna gaaw ci jël doggal.

DistilBERT dafay tënk BERT ci lu tollu ci 40% ci parametre yu néew, ci noonu lañuy tëye li ëpp ci xam-xam làkk wi ngir gëna gaaw ci inference. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit yi ak njëgu njuumte yi ci diir bi.

Xam-xam Distillation ci jëf

Wàññi ab xeetu gis-gis bu yaatu suko defee ab xaaj nataal mëna dox ci saa si ci aplikaasioŋu kamera telefon bu xarañ.

Dañuy wàññi benn xeetu gis-gis bu yaatu suko defee benn classifier nataal mëna daw ci jamono dëgg ci aplikaasioŋu kamera smartphone Teams yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu baax ci kanam, tëye yoonu escalation nit ngir mbir yu am solo, ba noppi topp njariñu produit ak njëgu njuumte ci diir bi.

Xam-xam Distillation ci jëf

Distill model bu mag ci chaîne de pensée ci model bu gëna ndaw ngir mëna tontu laaji math wala codage ci anam wu gëna xéewale.

Distilling benn xeetu xalaat bu mag ci benn xeetu xalaat bu gëna ndaw ngir mëna tontu math wala codage laaj yu gëna xéewale. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit yi ak njëgu njuumte yi ci diir bi.

Xam-xam Distillation ci jëf

Dajale ensemble model ci benn ndongo suko defee njëgu liggéey bi ak latency bi wàññeeku te du ñàkk lu bari ci njub.

Compresse ab ensemble model ci benn ndongo suko defee produit yi di liggéey ak latency wàcci te duñu ñàkk lu bari ci njub. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu kalite ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp produit yi ak njuumte yi ci diir bi.

Risk yi ak balustrade yi

!

Optimize benn benchmark mën na nëbb ñakk kattan yu gëna yaatu ci sistem bi.

!

Njëg li ñuy fay ci infrastructure yi ak ci toppatoo dañuy faral di suufeel.

!

Bu sistem yi di gëna xawa jafee xam, jafe-jafe yi am ci wàllu kaaraange ak seetlu mën nañu gëna bari.

Roadmap ngir samp gi

1

Mandargal latency, kalite, ak njëg yi laata ngay jëfandikoo.

Mandargal latency, kalite, ak njëg yi laata ngay jëfandikoo. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.

2

Benchmark ci biir sargal ak done yu dëggu.

Benchmark ci biir sargal ak done yu dëggu. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.

3

Jumtukaay bi di saytu njuumte yi, derive bi ak njeextalu jëfandikukat bi.

Jumtukaay bi di saytu njuumte yi, derive bi ak njeextalu jëfandikukat bi. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.

4

Waajal rollback ak yooni tontu ci jafe-jafe yi laata ngay eskale.

Waajal rollback ak yooni tontu ci jafe-jafe yi laata ngay eskale. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.

Weyal di banneexu