原书出处
大语言模型-基础与前沿 (熊涛)
03 第3章 Transformer
备上。权重和激活的聚集程度取决于它们的相对大小。有趣的是,在一个1.5数量级的系统中,两者都在不同程度上进行了部分聚集。
对于注意力分片,重点是优化PaLM的多查询注意力,它对所有头使用相同的键和值矩阵,将K和V矩阵减少了与头数量相等的系数。
在处理提示时,注意力被分散到各个头,而在解码时,注意力被分散到批次维度。不过,为了与前馈网络中的分片兼容,必须在解码的开
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter5.xhtml
EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d