申请/专利权人：华东师范大学

申请日：2024-01-11

公开（公告）日：2024-04-16

公开（公告）号：CN117892790A

主分类号：G06N3/084

分类号：G06N3/084;G06N3/0455

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于token增长的高效Transformer神经网络训练方法，其可以做到在不损失主流Transformer神经网络的最终性能，甚至提升神经网络性能的条件下，提高Transformer网络的训练速度。本发明可以在训练过程中减少Transformer的token数量，同时保留Transformer神经网络的中间特征空间中含有重要信息的token，无需修改原本Transformer神经网络任何超参数、架构和训练策略，在一个token渐进增长的训练框架下完成Transformer的高效训练。本发明的高效Transformer训练方法相比较于业内其他训练方法，处于领先水平。

主权项：1.一种基于token增长的高效Transformer神经网络训练方法，其特征在于，该方法具体包括：步骤A.从空间特征分布的角度初始选择部分参与训练的token；具体包括：将图片经过Transformer神经网络的嵌入层和第l个Transformer块后，得到输出token集合其中是第l个Transformer块的输出token集合的第i个token，表示对所有的谓语逻辑符号；同时Nl是第l个Transformer块的输出token的数量；将得到的token集合通过索引来初始选择token参与训练；初始选择token的过程表达如下： 其中是选择参与训练的token集合，是不参与训练的token集合，r0是预定义的初始token比例；此时初始选择了个token参与Transformer神经网络的训练；步骤B.初始选择token后，在满足选择的token符合原中间特征分布的条件下，逐渐添加未被选择的token参与训练；具体包括：将Transformer神经网络的训练平均分割成Ng个阶段，在第δ阶段，δ≤Ng，将执行δ次增长，其中第m次增长的token数量比例μm和当前阶段参与训练总token数量比例rm可构建为： rm＝rm-1+μm，其中r1＝2·r0∈0，1]；m∈[1，2，…，δ]对于第δ个阶段，每次token增长操作将增长个token参与训练；其中第m次token增长操作表达如下：对于步骤A选择中参与训练的token集合和不参与训练的token集合使用余弦距离来定义特征分布距离，得到两个token集合的特征分布距离矩阵表述如下： 其中1是值全为1的矩阵；T表示矩阵的转置；||·||表示L2范数距离；再定义第i个不参与训练的token集合与选择参与训练的token集合最近的特征分布距离表述如下： 其中，同时|•|表示token个数；根据最近的特征分布距离以下列公式来更新token集合和 其中，k是预定义的并行迭代次数，代表选出特征分布距离最大的个token；此时，经过k次选择，从中选出个token加入在第δ个阶段经过总共δ次token增长操作，参与训练的token集合和不参与训练的token集合分别具有和个token；步骤C.将没有选择的token的信息合并到特征分布距离最近的被选择参与训练的token中，具体包括：在第δ个阶段，选择了个token参与训练；此时有个token没有参与训练；为避免token信息的浪费，将中个token与中特征分布距离最近的token合并；操作表述如下： 其中 其中，是最后得到参与训练的token集合，具有个token；按照索引将中token与中token平均合并在一起得到新的token；步骤D.对token进行渐进增长来控制参与训练的token数量，即将总训练回合数与阶段数进行关联，由此获得当前阶段的δ，描述如下： 其中E为总的训练回合数，e表示为第e个训练回合，为上取整函数；训练过程使用与原始模型的训练一致的梯度下降法进行高效训练，不改变训练超参数，从第一个阶段使用最少的token逐渐增长到最后阶段使用全部的token来参与训练，最终得到一个与原Transformer神经网络架构一致的、用于部署的Transformer神经网络权重。

全文数据：

权利要求：

百度查询： 华东师范大学 一种基于token增长的高效Transformer神经网络训练方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD