原书出处
大语言模型-基础与前沿 (熊涛)
06 第6章 训练更大的模型
的值,然后再下降。这条曲线的形状至关重要,有必要确定预热需要多少批次,以及当模型在更多数据上训练时,从何处开始衰减过程。
Hoffmann et al(2022a)引入的Chinchilla模型考虑到了这一点,并发现了数据与模型规模之间的不同关系。他们发现的最佳比例是50∶50,这表明数据规模应与模型规模成正比,从侧面也表明需要更大规模的高质量数据。
值得注意的是,在进行此类实验时,需要考虑许多与模型和优化器相关的重要超参数。深度神经网络的学习率是一个重要的超参数,它决
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/chapter8.xhtml
EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d