英伟达玩转剪枝、蒸馏：把Llama 3.1 8B参数减半，性能同尺寸更强

AIGC动态1个月前发布 almosthuman2014

205 0 0

文章摘要

Meta公司推出的Llama 3.1系列模型，包括一个405B的超大型模型和两个较小的模型，虽然性能卓越，但对计算资源的需求巨大。为解决这一问题，业界开始关注小型语言模型（SLM），它们在多种语言任务中表现出色且成本低廉。英伟达的研究显示，结合结构化权重剪枝和知识蒸馏技术，可以从较大的初始模型中逐步提炼出较小的语言模型。该研究得到了图灵奖得主、Meta首席AI科学家Yann LeCun的认可。

英伟达的研究团队通过剪枝和蒸馏过程，将Llama 3.1 8B模型提炼为Llama-3.1-Minitron 4B模型，并已开源。Llama-3.1-Minitron 4B在性能上超越了其他类似大小的先进开源模型。剪枝通过删除模型中的层或神经元等组成部分，使模型更小更精简，而模型蒸馏则是将大型模型的知识迁移到更小的学生模型中，以创建一个既高效又保留大部分预测能力的模型。

在剪枝过程中，英伟达采用了基于激活的纯重要性评估策略，通过前向传播计算各组成部分的重要性，这种方法简单且具有成本效益。英伟达还发现，使用单次重要性估计已足够，无需迭代估计。在蒸馏过程中，学生模型通过最小化嵌入输出损失、logit损失和Transformer编码器特定损失的组合来学习。

英伟达总结了剪枝和知识蒸馏的最佳实践，包括调整大小、剪枝和重新训练的策略。在调整大小时，应首先训练最大的模型，然后通过迭代剪枝和蒸馏获得较小的模型。剪枝时，宽度剪枝比深度剪枝更有效，且单样本重要性估计已足够。重新训练时，应使用蒸馏损失而非常规训练。

Llama-3.1-Minitron 4B模型是英伟达将最佳实践应用于Llama 3.1 8B模型的成果。在教师微调阶段，英伟达对8B模型进行了数据集偏差校正。在Depth-only剪枝中，英伟达评估了各层的重要性，并剪枝了16层。Width-only剪枝则针对嵌入和MLP中间维进行了压缩。准确率基准测试显示，Llama-3.1-Minitron 4B在多个领域的基准测试中表现优于其他类似大小的模型。

性能基准测试中，英伟达使用NVIDIA TensorRT-LLM优化了Llama 3.1 8B和Llama-3.1-Minitron 4B模型。结果显示，Llama-3.1-Minitron 4B模型在不同用例下的吞吐量显著高于Llama 3.1 8B模型。此外，Llama-3.1-Minitron 4B模型在指令遵循、角色扮演、RAG和函数调用功能上的表现也优于其他基线SLM。

总之，剪枝和经典知识蒸馏是一种经济高效的方法，可以逐步获得更小尺寸的LLM，并在所有领域实现更高的准确性。Llama-3.1-Minitron 4B模型的成功展示了这一方法的有效性，并为未来LLM的优化提供了新的方向。