LayerSkip – Meta推出加快大型语言模型推理过程的技术

我们提出的 LayerSkip 是一种端到端的解决方案，可加快大型语言模型（LLM）的推理速度。 起首，在训练过程中，我们采用了层间丢弃技术(layer dropout)，早期层间丢弃率较低，后期层间丢弃率较高。 其次，在推理过程中，我们证明这种训练方法提高了早期退出的准确性，而无需在模型中添加任何辅助层或模块。 第三，我们提出了一种新颖的自推测解码方案，即在早期层退出，并通过模型的其余层进行验证和校正。 与其他推测式解码方法相比，我们提出的自推测式解码方法占用的内存更少，并能从草稿和验证阶段的共享盘算和激活中获益。 我们在不同大小的 Llama 模型上进行了不同类型的训练实行：重新开始预训练、一连预训练、在特定命据域上进行微调，以及在特定使命上进行微调。 我们实施了推明白决方案，结果表明，CNN/DM 文档的择要速度提高了 2.16 倍，编码速度提高了 1.82 倍，TOPv2 语义解析使命的速度提高了 2.0 倍。 我们在 https://github.com/facebookresearch/LayerSkip 开源了我们的代码。

快速上手

1. $ git clone git@github.com:facebookresearch/LayerSkip.git
2. $ cd LayerSkip

复制代码

创建情况

1. $ conda create --name layer_skip python=3.10
2. $ conda activate layer_skip
4. $ pip install -r requirements.txt

复制代码

访问模型： 为了观察加快情况，您需要访问使用 LayerSkip 配方训练过的 LLM。 我们在 HuggingFace 上提供了 6 个查抄点，它们是使用 LayerSkip 配方一连预训练的不同 Llama 模型：

• facebook/layerskip-llama2-7B
  
• facebook/layerskip-llama2-13B
  
• facebook/layerskip-codellama-7B
  
• facebook/layerskip-codellama-34B
  
• facebook/layerskip-llama3-8B
  
• facebook/layerskip-llama3.2-1B
  

代码

1. import torch
2. from transformers import AutoModelForCausalLM, AutoTokenizer
3. from copy import deepcopy
5. checkpoint = "facebook/layerskip-llama3.2-1B"
6. early_exit = 4
7. device = "cuda" if torch.cuda.is_available() else "cpu"
8. prompt = "typing import List\ndef bucket_sort(A: List):"
10. model = AutoModelForCausalLM.from_pretrained(checkpoint, device_map="auto", use_safetensors=True, torch_dtype=torch.bfloat16)
11. tokenizer = AutoTokenizer.from_pretrained(checkpoint)
13. generation_config = model.generation_config
15. weights_memo = {id(w): w for w in model.parameters()}
16. assistant_model = deepcopy(model, memo=weights_memo) # Clone main model with shared weights
17. assistant_model.model.layers = assistant_model.model.layers[:early_exit] # Apply early exit
18. del assistant_model.model.layers[early_exit:]
20. inputs = tokenizer(prompt, return_tensors="pt").to(device)
22. outputs = model.generate(**inputs, generation_config=generation_config, assistant_model=assistant_model, max_new_tokens=512)
23. print(tokenizer.batch_decode(outputs, skip_special_tokens=True)[0])

复制代码

或者Torchrun

1. $ torchrun generate.py --model facebook/layerskip-llama2-7B \
2.     --sample True \
3.     --max_steps 512

复制代码

LayerSkip的项目地点

• GitHub仓库：https://github.com/facebookresearch/LayerSkip
  
• HuggingFace模型库：https://huggingface.co/collections/facebook/layerskip-666b25c50c8ae90e1965727a
  
• arXiv技术论文：https://arxiv.org/pdf/2404.16710
  

感谢大家花时间阅读我的文章，你们的支持是我不绝进步的动力。期望将来能为大家带来更多有价值的内容，请多多关注我的动态！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。