知识卡片
XL评估与依赖长度
标准Transformer评估时每次只能右移一个词且需从头计算,既慢又受窗口限制。Transformer-XL评估时一次前进一个段,并复用前面多个段的缓存信息预测当前输出,因此不需要重算历史。其可支持的最长依赖近似为O(N乘L),N是层数、L是段长,远大于vanilla Transformer的固定窗口。循环机制与相对位置编码配合,才使这种跨段复用在位置上保持一致,这是XL在长文本建模上优于原版Transformer的根本原因。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第5章 注意力机制 · 查看原书依据
而在Transformer-XL中,每次可以前进一个段,并且利用前面多个段的信息来预测当前的输出。如图5-37所示,Transformer-XL可以支持的最长依赖近似于O(N×L),L表示一个段的长度,N表示Transformer的层数。
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第5章 注意力机制(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter8_0005.xhtml)
- 结论依据:原文对比评估阶段的差异,指出Transformer-XL每次前进一段并利用多个段信息,最长依赖近似O(N乘L)。
- 原始内容:而在Transformer-XL中,每次可以前进一个段,并且利用前面多个段的信息来预测当前的输出。如图5-37所示,Transformer-XL可以支持的最长依赖近似于O(N×L),L表示一个段的长度,N表示Transformer的层数。