Highway Transformer

Highway Transformer : redes autónomas mejoradas con acceso automático

Este repositorio es el código de demostración de Transformer-XL que utiliza Self-Dependency Unit . Este trabajo está estrechamente relacionado con las variantes de Transformer mejoradas con Gating, como los Switch Transformers de Google.

Yekun Chai y otros. Alabama. , Highway Transformer : redes autónomas mejoradas con acceso automático (ACL 2020)

Requisitos

• PyTorch >= 1.1.0
• Tablero tensorX >= 1.8
• Tablero tensor >= 1,14
• 4 GPU de cada una con 8 GB de memoria para ejecutar Transformer-XL de 12 capas

Descarga de datos

bash getdata.sh

Ejecute Transformer-XL de 6 capas

 cd pytorch/xl_L6_scripts && bash < script-name > .sh train --work_dir " PATH_TO_WORK_DIR " 

Visualizando su resultado

 cd XL-L6-results && tensorboard --logdir=.

Resultados

• Gráficos de líneas de diferentes configuraciones del modelo, donde la línea superior (en rojo) es el modelo de referencia (es decir, el Transformer-XL original).
• Después de agregar la Unidad de Autodependencia (ver las dos curvas inferiores), está claro que Highway Transformer acelera el proceso de convergencia durante la capacitación y la evaluación.

entrenamiento bpc	pérdida de entrenamiento

evaluación bpc	pérdida de evaluación

Citación

Para atribución en contextos académicos, cite este trabajo como:

Highway Transformer: Self-Gating Enhanced Self-Attentive Networks", author = "Chai, Yekun and Jin, Shuo and Hou, Xinwen", booktitle = "Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics", month = jul, year = "2020", publisher = "Association for Computational Linguistics", url = "https://www.aclweb.org/anthology/2020.acl-main.616", pages = "6887--6900" }">

 @inproceedings{chai-etal-2020-highway,
    title = " Highway Transformer : Self-Gating Enhanced Self-Attentive Networks",
    author = "Chai, Yekun  and
      Jin, Shuo  and
      Hou, Xinwen",
    booktitle = "Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics",
    month = jul,
    year = "2020",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2020.acl-main.616",
    pages = "6887--6900"
}