中科院计算所副研究员冯洋：神经机器翻译的训练改进和解码提速
解码
1． CubePruning
下面介绍在解码方面的两个工作，第一个工作要解决的是beam search每一步要计算BeamSize＊｜V｜的问题，这个计算量大大降低了inference时候解码的速度。
这是解码过程中每个步骤的时间消耗，对于GPU来说，大部分的时间消耗在的计算上，其它三个步骤比较节省时间，对于CPU来说，最耗费时间的是最后两个步骤，因为｜V｜比较大。
传统的方法使用的是Beam Search，传统的 Beam Search其实是一个二维的搜索方法。其中第一维就是已经生成的部分的译文，假设Beam Size ＝ 4，那么就是四个译文。第二维度是这四个译文都要进行下一步的Token预测计算。总共就需要计算4＊｜V｜的概率。因为｜V｜的个数通常是几千上万级别的，所以这个部分的计算量就非常大。
我们的做法是将二维的搜索扩展成三维的搜索，具体的做法分为以下几步：
1． Beam分组：假设我们要解码第11步，我们就将第10步解码出来相同Token的候选序列归为一组。
2． 分组预测第11步的候选Token：只用每个组得分最高的哪个候选序列来计算当前的Token分布。
3． 近似组员的Token分布：由上一步已经知道本组最优的候选序列的下一个token的预测分布，对于组员来说，也将共享其老大计算出来的Token分布score，然后和自身的序列score相加，得到自身扩展一个Token后的score。这个score作为自身的近似分。
4． 查找Top－K：经过上面的计算之后，这样每个组就是得分其实是一个二维矩阵，我们将矩阵横轴作为每个组员，纵轴表示当前步预测的token，然后保证右上角score最大，往右，往下都是减小。这样便于我们查找Top－K。具体请看下一张slides。
对于近似的score这里有两个选择，1） 如果取到的candidate是预测的score，那么用真实的状态来重新计算一下这个score，这时候也顺便更新了一下自己的隐状态，2）直接用预测的score，不使用更新的方式，这时候和老大哥共享隐状态。
这个是GPU上的结果，横轴是速度，纵轴是BLEU值，可以看出在取得最优的BLEU值的情况下，我们的方法所用的时间是更短的。速度可以提升3．3倍。在CPU下，提速可以达到3．5倍。
在Beam Size＝40的情况下，GPU上速度提升3．8倍，CPU上提升4．2倍。
分享
最新活动更多
-
5月10日立即下载>> 【是德科技】精选《汽车 SerDes 发射机测试》白皮书
-
5月28日立即观看>> 【在线研讨会】Ansys镜头点胶可靠性技术及方案
-
5月31日立即报名>> 【线下论坛】新唐科技2024未来创新峰会
-
6月18日立即投票>> 【维科杯】OFweek 2024（第九届）物联网行业年度评选
-
6月18日立即报名>> 【线下会议】OFweek 2024（第九届）物联网产业大会
-
8月27-29日马上报名>>> 2024（第五届）全球数字经济产业大会暨展览会
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论