Modélisation du langage exponentiellement plus rapide

Exponentially Faster Language Modelling

November 15, 2023

Auteurs: Peter Belcak, Roger Wattenhofer

cs.AI

Résumé

Les modèles de langage n'ont réellement besoin d'utiliser qu'une fraction exponentielle de leurs neurones pour des inférences individuelles. En preuve, nous présentons FastBERT, une variante de BERT qui utilise 0,3 % de ses neurones lors de l'inférence tout en offrant des performances comparables à celles des modèles BERT similaires. FastBERT active sélectivement seulement 12 neurones sur 4095 pour chaque couche d'inférence. Cela est réalisé en remplaçant les réseaux feedforward par des réseaux feedforward rapides (FFFs). Bien qu'aucune implémentation véritablement efficace n'existe actuellement pour exploiter pleinement le potentiel d'accélération de l'exécution neuronale conditionnelle, nous fournissons un code CPU de haut niveau atteignant une accélération de 78x par rapport à l'implémentation feedforward optimisée de référence, ainsi qu'une implémentation PyTorch offrant une accélération de 40x par rapport à l'inférence feedforward par lots équivalente. Nous publions notre code d'entraînement, notre configuration de benchmarking et les poids du modèle.

English

Language models only really need to use an exponential fraction of their neurons for individual inferences. As proof, we present FastBERT, a BERT variant that uses 0.3\% of its neurons during inference while performing on par with similar BERT models. FastBERT selectively engages just 12 out of 4095 neurons for each layer inference. This is achieved by replacing feedforward networks with fast feedforward networks (FFFs). While no truly efficient implementation currently exists to unlock the full acceleration potential of conditional neural execution, we provide high-level CPU code achieving 78x speedup over the optimized baseline feedforward implementation, and a PyTorch implementation delivering 40x speedup over the equivalent batched feedforward inference. We publish our training code, benchmarking setup, and model weights.