概述
Head pruning removes attention heads that contribute little, shrinking models without hurting accuracy. Together they help us interpret and compress Transformers.
深入探討
變形金剛將他們的推理傳播到許多層的許多注意力頭上,因此單層的注意力圖很少能講述整個故事。 Abnar 和 Zuidema 在 2020 年引入了注意力機制,透過逐層乘以注意力矩陣(在考慮剩餘連接之後)來解決這個問題,以估算每個輸入標記最終對給定輸出標記的貢獻程度。另外,米歇爾及其同事的研究「十六個頭真的比一個好嗎?」表明許多頭是冗餘的:可以在推理時修剪很大一部分,而準確性損失可以忽略不計。頭部修剪按重要性對頭部進行排名,通常使用基於梯度的敏感度分數,然後掩蓋最不有用的頭部。這兩種技術是互補的:推出揭示了網路的哪些部分對於解釋很重要,而修剪則作用於冗餘以使模型更小、更快。
現實世界的實施
透過專注於突出顯示有影響力的標記,可視化 Transformer 分類器依賴句子中的哪些單字
透過修剪冗餘注意力頭來減少延遲,壓縮用於移動部署的 BERT 模型
透過追蹤從預測到敏感輸入標記的注意力流來審核模型的偏差
透過刪除透過敏感度分數識別的低重要性頭部,加速生產翻譯系統中的推理
注意力部署和頭部修剪的未來
隨著模型的發展,有效的推理和可信的解釋都變得緊迫。預計頭部修剪將與部署管道中的結構化修剪、量化和蒸餾相結合,以實現邊緣和成本敏感的服務。可解釋性正在超越注意力流、梯度加權方法和探測單一頭部功能的機械迴路分析。對可解釋人工智慧的監管壓力將繼續推動研究,將重要的頭腦與它們實際計算的內容聯繫起來。
付諸實踐
為什麼這很重要
- 成本與預算. 多年來,架構決策決定著效能和營運成本。
- 更明確的決策. 技術教育幫助團隊選擇正確的堆疊,而不僅僅是最新的堆疊。
- 品質管控. 更好的工程選擇可以減少生產中的可靠性事故。
留意
- 優化一項基準測試可以隱藏更廣泛的系統弱點。
- 基礎設施和維護成本常常被低估。
- 隨著系統變得更加複雜,安全性和可觀察性差距可能會擴大。
後續步驟
- 在實施之前定義延遲、品質和成本目標。
- 在實際負載和資料條件下進行基準測試。
- 儀器監控錯誤、漂移和使用者影響。
- 在擴展之前準備回滾和事件回應路徑。
不斷探索
常見問題
What is Attention Rollout and Head Pruning?
注意力推出是一種追蹤資訊如何流經 Transformer 堆疊注意力層的方法,以解釋哪些輸入標記會影響預測。頭部剪枝去除了貢獻很小的注意力頭,縮小了模型,而不會影響準確性。它們一起幫助我們解釋和壓縮變形金剛。
注意力推廣的目標是什麼?
Rollout 將逐層注意力(帶有殘差)相乘,以近似每個輸入標記如何影響輸出。
為什麼單層的注意力圖常常不足以解釋?
由於推理分佈在堆疊的層和頭中,因此一層的映射無法捕捉完整的資訊流。
注意力推出向每個注意力矩陣添加了什麼以解釋剩餘連接?
新增身分元件對剩餘跳過連線進行建模,讓令牌保留自己的資訊。
多頭注意力研究揭示了關於頭冗餘的哪些內容?
像「十六個頭真的比一個更好嗎?」之類的研究表明大部分頭部在推理時是多餘的。
通常如何評估修剪頭部的重要性?
通常使用相對於每個頭上的掩模變數的損失梯度來對重要性進行評分。