工业贸易企业 营销型网站,网站正在建设中怎么办,wordpress改变语言,抚顺网站推广context 1. 剪枝方案图释2. 正交矩阵Q 1. 剪枝方案图释 Fig. 1.1 剪枝方案 图中的阴影是表示丢弃掉这部分数据。通过引入正交矩阵 Q Q Q使 Q ⊤ Q Q Q ⊤ I \mathrm{Q}^\top\mathrm{Q}\mathrm{Q}\mathrm{Q}^\top\mathrm{I} Q⊤QQQ⊤I#xff0c;来大量缩减 X X X的列数和 W … context 1. 剪枝方案图释2. 正交矩阵Q 1. 剪枝方案图释 Fig. 1.1 剪枝方案 图中的阴影是表示丢弃掉这部分数据。通过引入正交矩阵 Q Q Q使 Q ⊤ Q Q Q ⊤ I \mathrm{Q}^\top\mathrm{Q}\mathrm{Q}\mathrm{Q}^\top\mathrm{I} Q⊤QQQ⊤I来大量缩减 X X X的列数和 W W W的行数。 由于 Q Q Q是正交矩阵有 ∥ Q x ∥ x ⊤ Q ⊤ Q x x ⊤ x ∥ x ∥ \|\mathbf{Q}x\|\sqrt{x^\top\mathbf{Q}^\top\mathbf{Q}x}\sqrt{x^\top x}\|x\| ∥Qx∥x⊤Q⊤Qx x⊤x ∥x∥所以 Q Q Q与 x x x相乘不会影响 x x x的范数。 在一般情况下假设 X ℓ \mathbf{X}_{\ell} Xℓ是transformer中一个块的输出在经过RMSNorm对每一行 x ← X ∣ ∣ X ∣ ∣ x\leftarrow \frac{\mathbf{X}}{\left|\left|\mathbf{X}\right|\right|} x←∣∣X∣∣X处理然后 R M S N o r m ( X ℓ ) \mathrm{RMSNorm}(\mathbf{X}_{\ell}) RMSNorm(Xℓ)作为下一块的输入。若引入矩阵 Q Q Q则有 R M S N o r m ( X ℓ ) R M S N o r m ( X ℓ Q ) Q ⊤ \mathrm{RMSNorm}(\mathbf{X}_\ell)\mathrm{RMSNorm}(\mathbf{X}_\ell\mathbf{Q})\mathbf{Q}^\top RMSNorm(Xℓ)RMSNorm(XℓQ)Q⊤所以实际上引入 Q Q Q不改变transformer的结构。对于transformer中的每一attention或FFN层都有线性层同时由于transformer中有残差连接图中的 ◯ \textcircled{} ◯操作这里把矩阵 Q Q Q引入每一块的线性层所以需要把矩阵 Q Q Q引入到所有之前的层一直到编码阶段和所有之后的层一直到LM头。 令 W i n ℓ \mathbf{W}_{in}^\ell Winℓ和 W o u t ℓ \mathbf{W}_{out}^\ell Woutℓ为transformer的第 ℓ \ell ℓ块的线性层的权重矩阵 b i n ℓ \mathbf{b}_{in}^\ell binℓ和 b o u t ℓ \mathbf{b}_{out}^\ell boutℓ为相对应的偏置 W e m b d \mathbf{W}_{embd} Wembd和 W h e a d \mathbf{W}_{head} Whead为编码和头矩阵 Q Q Q为 D D D维矩阵则可以用以下矩阵来模型不变性变换 W ~ e m b d W e m b d Q , (1) b ~ o u t ℓ Q ⊤ b o u t ℓ , (4) W ~ i n ℓ Q ⊤ W i n ℓ , (2) W ~ h e a d Q ⊤ W h e a d . (5) W ~ o u t ℓ W o u t ℓ Q , (3) \begin{aligned}\tilde{\mathbf{W}}_{embd}\mathbf{W}_{embd}\mathbf{Q} ,\text{(1)}\tilde{b}_{out}^{\ell}\mathbf{Q}^{\top}b_{out}^{\ell} ,\text{(4)}\\\tilde{\mathbf{W}}_{in}^{\ell}\mathbf{Q}^{\top}\mathbf{W}_{in}^{\ell},\text{(2)}\tilde{\mathbf{W}}_{head}\mathbf{Q}^{\top}\mathbf{W}_{head} .\text{(5)}\\\tilde{\mathbf{W}}_{out}^{\ell}\mathbf{W}_{out}^{\ell}\mathbf{Q} ,\text{(3)}\end{aligned} W~embdW~inℓW~outℓWembdQ,Q⊤Winℓ,WoutℓQ,(1)(2)(3)b~outℓQ⊤boutℓ,W~headQ⊤Whead.(4)(5)偏置矩阵保持不变 b ~ i n ℓ b i n ℓ , b ~ h e a d b h e a d \tilde{b}_{in}^{\ell}b_{in}^{\ell},\tilde{b}_{head}b_{head} b~inℓbinℓ,b~headbhead 文章主题思想如图Fig. 1.2 Fig. 1.2 图解slicegpt三张图从左到右分别是a、b和c 图中(a)中的 W Q W_Q WQ、 W K W_K WK和 W V W_V WV是注意力中的QKV操作 W V W_V WV表示注意力机制的输出矩阵 M I − 1 D 1 1 ⊤ \mathbf{M}\mathbf{I}-\frac{1}{D}\mathbf{1}\mathbf{1}^{\top} MI−D111⊤是用来使矩阵 X X X中的每一个元素拉回到0上下与下一步的 x ← X ∣ ∣ X ∣ ∣ x\leftarrow \frac{\mathbf{X}}{\left|\left|\mathbf{X}\right|\right|} x←∣∣X∣∣X共同完成归一化处理 W 1 W_1 W1和 W 2 W_2 W2是MLP操作。(b)与c中的 ( α ) (\alpha) (α)就是diag( α \alpha α)矩阵 ( α ′ ) (\alpha^{}) (α′)来自前一块。向量 α \alpha α和偏置 β \beta β在每个LayerNorm实例上独立学习。diag( α \alpha α)是一个矩阵操作表示将一个向量 ( α ) (\alpha) (α)作为对角线元素创建一个对角矩阵。 最后移除一些不重要的行和列。
2. 正交矩阵Q
使用主成分分析PCA来求解 Q ℓ Q_{\ell} Qℓtransformer中第 ℓ \ell ℓ块在训练集中抽取一些数据作为校准数据喂给模型用来从前到后逐层提取正交矩阵。对于校准数据集中的 i i i条数据使模型中第 ℓ \ell ℓ层输出为 X ℓ , i X_{\ell,i} Xℓ,i则有 C ℓ ∑ i X ℓ , i ⊤ X ℓ , i \mathrm{C}_{\ell}\sum_{i}\mathrm{X}_{\ell,i}^{\top}\mathrm{X}_{\ell,i} Cℓi∑Xℓ,i⊤Xℓ,i则 Q ℓ Q_{\ell} Qℓ是 C ℓ \mathrm{C}_{\ell} Cℓ的降序排列特征值的特征矩阵。
