#變形金剛
近期的 #LLM 模型是因為前幾年 #RNN 模型不容易被平行化，他的序列必須LOOP 好幾次才能得到結果，以至於計算的維度大爆炸，而變形金剛( #Transformer )裡的注意力機制網路層( #self_attention ) 主要是改善這個問題，有點像是把 RNN 轉用CNN 實踐 ，然而 #CNN 很容易忘記前面的資訊，於是他要使用好幾層，而CNN 的好處是比較容易做平行運算，能夠獨立平行運算的計算，就容易放進單獨的 #GPU 單元去做運算
把循序的程序拆解，讓可以平行的平行，不能的想辦法合併，這個概念不止在生成式ai 如此，在專案管理，製程改善…其實都是同樣的道理
留言