FrankenMoE, использующий нулевые положительные запросы для конфигурации. (разработан NeuralNovel) Базовая конфигурация выглядит следующим образом… (подробная версия находится в файлах и версиях): — flemmingmiguel/MBX-7B-v3 — base — alnrg2arg/blockchainlabstest3seminar — эксперт №1 — flemmingmiguel/MBX-7B-v3 — эксперт №2 Масштаб модели является одной из наиболее важных осей для лучшего качества модели. При фиксированном вычислительном бюджете обучение более крупной модели меньшему количеству шагов лучше, чем обучение меньшей модели большему количеству шагов. Смесь экспертов позволяет предварительно обучать модели с гораздо меньшими вычислительными затратами, что означает, что вы можете значительно увеличить размер модели или набора данных с тем же бюджетом вычислений, что и плотная модель. В частности, модель MoE должна достичь того же качества, что и ее плотный аналог, гораздо быстрее во время предварительного обучения. Итак, что же такое МО? В контексте моделей трансформаторов MoE состоит из двух основных элементов: вместо слоев плотной сети прямой связи (FFN) используются разреженные слои MoE. Слои MoE имеют определенное количество «экспертов» (например, 32 в моем «frankenMoE»), где каждый эксперт представляет собой нейронную сеть. На практике экспертами являются FFN, но это могут быть и более сложные сети или даже МО…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: Kquant03
Теги: mixtral, moe, merge, en, text-generation-inference, endpoints_compatible
Лайков: 5 | Загрузок: 65
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
