原书出处
大语言模型-基础与前沿 (熊涛)
03 第3章 Transformer
添加多对多操作。图3-16举例说明了这一点。 图3-15 前馈网络的分区布局(图片来源:Pope et al,2022)
首先,经过优化的多查询关注能够在内存耗尽之前使用更长的上下文长度。其次,提出了将通信和计算重叠在一起的优化爱因斯坦求和(einsum)操作。然后,矩阵分片技术用于在块仍在传输时最大限度地提高计算效率。最后,利用AQT将权重量化为INT8(Lew et al,2022)。
图3-16 多查询注意力在批次分片时加载K、V缓存的内存成本较低(图片来源:Pope et al,2022) 3.8 小
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