検索
ホームページテクノロジー周辺機器AI限られたリソースでモデルの効率を向上させるにはどうすればよいでしょうか?効率的なNLP手法をまとめた記事

過去 10 年間で、ますます大規模な深層学習モデルをトレーニングすることが新たなトレンドになりました。以下の図に示すように、モデル パラメーターの数が継続的に増加することで、ニューラル ネットワークのパフォーマンスはますます向上し、新しい研究の方向性も生まれていますが、モデルに関する問題もますます増えています。

限られたリソースでモデルの効率を向上させるにはどうすればよいでしょうか?効率的なNLP手法をまとめた記事

#第一に、このタイプのモデルはアクセスが制限されていることが多く、オープンソースではないか、オープンソースであっても依然として多くの作業が必要です。実行するコンピューティング リソースの数。第 2 に、これらのネットワーク モデルのパラメーターは普遍的ではないため、トレーニングと導出に大量のリソースが必要になります。第三に、パラメータのサイズはハードウェアによって制限されるため、モデルを無制限に拡張することはできません。これらの問題に対処するために、効率の向上に焦点を当てた新しい研究トレンドが現れています。

最近、ヘブライ大学、ワシントン大学、その他の機関の十数人の研究者が共同で、自然言語処理 (NLP) の分野における効率的な手法をまとめたレビューを執筆しました。

限られたリソースでモデルの効率を向上させるにはどうすればよいでしょうか?効率的なNLP手法をまとめた記事

論文アドレス: https://arxiv.org/pdf/2209.00099.pdf

効率とは通常、入力システムを指します。リソースとシステム出力の関係: 効率的なシステムは、リソースを無駄にすることなく出力を生成できます。 NLP の分野では、効率をモデルのコストとそれが生み出す結果との関係として考えます。

限られたリソースでモデルの効率を向上させるにはどうすればよいでしょうか?効率的なNLP手法をまとめた記事

式 (1) は、特定の結果 (R) を生成するための人工知能モデルのトレーニング コスト (Cost) と 3 つの (不完全な) 要素を表します。 :

(1) 単一サンプルでモデルを実行するコスト (E);

(2) トレーニング データ セットのサイズ (D);

(3) モデルの選択またはパラメーターの調整に必要なトレーニングの実行数 (H)。

計算コスト、時間コスト、環境コストのそれぞれをさまざまな方法でさらに定量化できるため、コスト(・) を複数の次元に沿って測定できます。たとえば、計算コストには、浮動小数点演算 (FLOP) の総数やモデル パラメーターの数が含まれる場合があります。単一のコスト指標を使用すると誤解を招く可能性があるため、この調査では効率的な NLP の複数の側面に関する研究を収集して整理し、どのユースケースにどの側面が有益であるかを議論します。

この調査は、NLP の効率を向上させるための幅広い方法を基礎的に紹介することを目的としています。そのため、この調査では、この調査を典型的な NLP モデル パイプライン (以下の図 2) に従って整理し、その方法を紹介します。各段階の既存の方法をより効率的にするため。

限られたリソースでモデルの効率を向上させるにはどうすればよいでしょうか?効率的なNLP手法をまとめた記事

この作品は、主に次の 2 つのタイプの読者を対象とした、NLP 研究者向けの実用的な効率ガイドを提供します。リソースが限られた環境での作業を支援するための NLP のさまざまな分野: リソースのボトルネックに応じて、読者は NLP パイプラインがカバーする側面に直接ジャンプできます。たとえば、主な制限が推論時間である場合、この論文の第 6 章では、関連する効率の向上について説明しています。

(2) NLP 手法の現在の効率を改善することに関心のある研究者。この論文は、新しい研究の方向性の機会を特定するための入り口として機能します。

以下の図 3 は、この研究でまとめた効率的な NLP 手法の概要を示しています。


さらに、ハードウェアの選択はモデルの効率に大きな影響を与えますが、ほとんどの NLP 研究者はハードウェアに関する決定を直接管理していません。ハードウェアの最適化は、NLP パイプラインのすべてのステージで役立ちます。したがって、この研究ではアルゴリズムに焦点を当てますが、第 7 章ではハードウェアの最適化について簡単に説明します。最後に、効率を定量化する方法、評価プロセス中に考慮すべき要素、および最適なモデルを決定する方法についてさらに説明します。 限られたリソースでモデルの効率を向上させるにはどうすればよいでしょうか?効率的なNLP手法をまとめた記事

興味のある読者は、論文の原文を読んで研究の詳細を学ぶことができます。

以上が限られたリソースでモデルの効率を向上させるにはどうすればよいでしょうか?効率的なNLP手法をまとめた記事の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明
この記事は51CTO.COMで複製されています。侵害がある場合は、admin@php.cn までご連絡ください。
从VAE到扩散模型:一文解读以文生图新范式从VAE到扩散模型:一文解读以文生图新范式Apr 08, 2023 pm 08:41 PM

1 前言在发布DALL·E的15个月后,OpenAI在今年春天带了续作DALL·E 2,以其更加惊艳的效果和丰富的可玩性迅速占领了各大AI社区的头条。近年来,随着生成对抗网络(GAN)、变分自编码器(VAE)、扩散模型(Diffusion models)的出现,深度学习已向世人展现其强大的图像生成能力;加上GPT-3、BERT等NLP模型的成功,人类正逐步打破文本和图像的信息界限。在DALL·E 2中,只需输入简单的文本(prompt),它就可以生成多张1024*1024的高清图像。这些图像甚至

找不到中文语音预训练模型?中文版 Wav2vec 2.0和HuBERT来了找不到中文语音预训练模型?中文版 Wav2vec 2.0和HuBERT来了Apr 08, 2023 pm 06:21 PM

Wav2vec 2.0 [1],HuBERT [2] 和 WavLM [3] 等语音预训练模型,通过在多达上万小时的无标注语音数据(如 Libri-light )上的自监督学习,显著提升了自动语音识别(Automatic Speech Recognition, ASR),语音合成(Text-to-speech, TTS)和语音转换(Voice Conversation,VC)等语音下游任务的性能。然而这些模型都没有公开的中文版本,不便于应用在中文语音研究场景。 WenetSpeech [4] 是

普林斯顿陈丹琦:如何让「大模型」变小普林斯顿陈丹琦:如何让「大模型」变小Apr 08, 2023 pm 04:01 PM

“Making large models smaller”这是很多语言模型研究人员的学术追求,针对大模型昂贵的环境和训练成本,陈丹琦在智源大会青源学术年会上做了题为“Making large models smaller”的特邀报告。报告中重点提及了基于记忆增强的TRIME算法和基于粗细粒度联合剪枝和逐层蒸馏的CofiPruning算法。前者能够在不改变模型结构的基础上兼顾语言模型困惑度和检索速度方面的优势;而后者可以在保证下游任务准确度的同时实现更快的处理速度,具有更小的模型结构。陈丹琦 普

解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉Transformer解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉TransformerApr 09, 2023 pm 02:01 PM

由于复杂的注意力机制和模型设计,大多数现有的视觉 Transformer(ViT)在现实的工业部署场景中不能像卷积神经网络(CNN)那样高效地执行。这就带来了一个问题:视觉神经网络能否像 CNN 一样快速推断并像 ViT 一样强大?近期一些工作试图设计 CNN-Transformer 混合架构来解决这个问题,但这些工作的整体性能远不能令人满意。基于此,来自字节跳动的研究者提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer——Next-ViT。从延迟 / 准确性权衡的角度看,

Stable Diffusion XL 现已推出—有什么新功能,你知道吗?Stable Diffusion XL 现已推出—有什么新功能,你知道吗?Apr 07, 2023 pm 11:21 PM

3月27号,Stability AI的创始人兼首席执行官Emad Mostaque在一条推文中宣布,Stable Diffusion XL 现已可用于公开测试。以下是一些事项:“XL”不是这个新的AI模型的官方名称。一旦发布稳定性AI公司的官方公告,名称将会更改。与先前版本相比,图像质量有所提高与先前版本相比,图像生成速度大大加快。示例图像让我们看看新旧AI模型在结果上的差异。Prompt: Luxury sports car with aerodynamic curves, shot in a

​什么是Transformer机器学习模型?​什么是Transformer机器学习模型?Apr 08, 2023 pm 06:31 PM

译者 | 李睿审校 | 孙淑娟​近年来, Transformer 机器学习模型已经成为深度学习和深度神经网络技术进步的主要亮点之一。它主要用于自然语言处理中的高级应用。谷歌正在使用它来增强其搜索引擎结果。OpenAI 使用 Transformer 创建了著名的 GPT-2和 GPT-3模型。自从2017年首次亮相以来,Transformer 架构不断发展并扩展到多种不同的变体,从语言任务扩展到其他领域。它们已被用于时间序列预测。它们是 DeepMind 的蛋白质结构预测模型 AlphaFold

五年后AI所需算力超100万倍!十二家机构联合发表88页长文:「智能计算」是解药五年后AI所需算力超100万倍!十二家机构联合发表88页长文:「智能计算」是解药Apr 09, 2023 pm 07:01 PM

人工智能就是一个「拼财力」的行业,如果没有高性能计算设备,别说开发基础模型,就连微调模型都做不到。但如果只靠拼硬件,单靠当前计算性能的发展速度,迟早有一天无法满足日益膨胀的需求,所以还需要配套的软件来协调统筹计算能力,这时候就需要用到「智能计算」技术。最近,来自之江实验室、中国工程院、国防科技大学、浙江大学等多达十二个国内外研究机构共同发表了一篇论文,首次对智能计算领域进行了全面的调研,涵盖了理论基础、智能与计算的技术融合、重要应用、挑战和未来前景。论文链接:​https://spj.scien

AI模型告诉你,为啥巴西最可能在今年夺冠!曾精准预测前两届冠军AI模型告诉你,为啥巴西最可能在今年夺冠!曾精准预测前两届冠军Apr 09, 2023 pm 01:51 PM

说起2010年南非世界杯的最大网红,一定非「章鱼保罗」莫属!这只位于德国海洋生物中心的神奇章鱼,不仅成功预测了德国队全部七场比赛的结果,还顺利地选出了最终的总冠军西班牙队。不幸的是,保罗已经永远地离开了我们,但它的「遗产」却在人们预测足球比赛结果的尝试中持续存在。在艾伦图灵研究所(The Alan Turing Institute),随着2022年卡塔尔世界杯的持续进行,三位研究员Nick Barlow、Jack Roberts和Ryan Chan决定用一种AI算法预测今年的冠军归属。预测模型图

See all articles

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

ZendStudio 13.5.1 Mac

ZendStudio 13.5.1 Mac

強力な PHP 統合開発環境

Safe Exam Browser

Safe Exam Browser

Safe Exam Browser は、オンライン試験を安全に受験するための安全なブラウザ環境です。このソフトウェアは、あらゆるコンピュータを安全なワークステーションに変えます。あらゆるユーティリティへのアクセスを制御し、学生が無許可のリソースを使用するのを防ぎます。

SAP NetWeaver Server Adapter for Eclipse

SAP NetWeaver Server Adapter for Eclipse

Eclipse を SAP NetWeaver アプリケーション サーバーと統合します。

WebStorm Mac版

WebStorm Mac版

便利なJavaScript開発ツール

AtomエディタMac版ダウンロード

AtomエディタMac版ダウンロード

最も人気のあるオープンソースエディター