我要评论学习前：
五大问题：
- 为什么swiglu激活函数能够提升模型性能？
- rope位置编码是什么？怎么用的？还有哪些位置编码方式？
gqa（grouped-query attention, gqa）分组查询注意力机制是什么？- pre-normalization前置了层归一化，使用
rmsnorm作为层归一化方法，这是什么意思？还有哪些归一化方法？layernorm？ - 将self-attention改进为使用
kv-cache的grouped query，怎么实现的？原理是什么？
embedding
embedding的过程：word -> token_id -> embedding_vector，其中第一步转化使用tokenizer的词表进行，第二步转化使用 learnable 的 embedding layer。
这里的第二步，不是很明白怎么实现的，需要再细化验证
rms norm
对比batch norm 和 layer norm：都是减去均值mean，除以方差var（还加有一个极小值），最终将归一化为正态分布n(0,1)。只不过两者是在不同的维度(batch还是feature)求均值和方差，（其中，减均值：re-centering 将均值mean变换为0，除方差：re-scaling将方差varance变换为1）。
rope(rotary positional encodding)
绝对positional encodding的使用过程：word -> token_id -> embedding_vector + position_encodding -> encoder_input，其中第一步转化使用tokenizer的词表进行，第二步转化使用 learnable 的 embedding layer。将得到的embedding_vector 和 position_encodding 进行element-wise的相加，然后才做为input送入llm的encoder。
发表评论