相信很多大家對(duì)有望改寫(xiě)AI未來(lái)！NVIDIA全新nGPT使訓(xùn)練速度暴增20倍還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

10月20日消息，據(jù)媒體報(bào)道，NVIDIA的最新研究可能徹底改變AI的未來(lái)，其研究團(tuán)隊(duì)提出了一種名為歸一化Transformer（nGPT）的新型神經(jīng)網(wǎng)絡(luò)架構(gòu)。

這一架構(gòu)在超球面（hypersphere）上進(jìn)行表示學(xué)習(xí)，能夠顯著提升大型語(yǔ)言模型（LLM）的訓(xùn)練速度，最高可達(dá)20倍，同時(shí)保持了模型的精度。

nGPT架構(gòu)的核心在于將所有向量，包括嵌入、多層感知機(jī)（MLP）、注意力矩陣和隱藏狀態(tài)，歸一化為單位范數(shù)。

這種歸一化處理使得輸入的token在超球面表面上移動(dòng)，每一層模型都通過(guò)位移來(lái)貢獻(xiàn)最終的輸出預(yù)測(cè)。

實(shí)驗(yàn)結(jié)果表明，nGPT在訓(xùn)練時(shí)所需的步驟比標(biāo)準(zhǔn)Transformer模型減少了4到20倍，具體加速效果取決于序列長(zhǎng)度。

例如，在1k上下文中，訓(xùn)練速度提高了4倍；在4k上下文中，提高了10倍；而在8k上下文中，更是提高了20倍。

研究人員指出，nGPT的優(yōu)化路徑從超球面上的點(diǎn)開(kāi)始，通過(guò)位移來(lái)貢獻(xiàn)最終的輸出預(yù)測(cè)，其中位移量由MLP和注意力模塊定義。

這種方法不僅提高了訓(xùn)練速度，還增強(qiáng)了模型的穩(wěn)定性。

以上就是關(guān)于【有望改寫(xiě)AI未來(lái)！NVIDIA全新nGPT使訓(xùn)練速度暴增20倍】的相關(guān)內(nèi)容，希望對(duì)大家有幫助！

　　免責(zé)聲明：本文由用戶(hù)上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！