Exponentieel Snellere Taalmodellering

Exponentially Faster Language Modelling

November 15, 2023

Auteurs: Peter Belcak, Roger Wattenhofer

cs.AI

Samenvatting

Taalmodellen hoeven slechts een exponentiële fractie van hun neuronen te gebruiken voor individuele inferenties. Als bewijs presenteren we FastBERT, een BERT-variant die 0,3\% van zijn neuronen gebruikt tijdens inferentie, terwijl het presteert op hetzelfde niveau als vergelijkbare BERT-modellen. FastBERT activeert selectief slechts 12 van de 4095 neuronen voor elke laaginferentie. Dit wordt bereikt door feedforward-netwerken te vervangen door snelle feedforward-netwerken (FFFs). Hoewel er momenteel geen echt efficiënte implementatie bestaat om het volledige versnellingspotentieel van conditionele neurale uitvoering te ontsluiten, bieden we hoogwaardige CPU-code die een 78x versnelling bereikt ten opzichte van de geoptimaliseerde baseline feedforward-implementatie, en een PyTorch-implementatie die een 40x versnelling biedt ten opzichte van de equivalente batchgewijze feedforward-inferentie. We publiceren onze trainingscode, benchmarkopstelling en modelgewichten.

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.