Differentiable Subset Pruning of Transformer Heads

إيلاء اهتمام متعدد الأطراف مجردة، وهي مجموعة من العديد من آليات الاهتمام التي تحضر بشكل مستقل إلى أجزاء مختلفة من المدخلات، هي العنصر الرئيسي في المحول.ومع ذلك، فقد أظهر العمل الحديث أن نسبة كبيرة من الرؤوس في آلية الاهتمام المتعددة الرأس المحولات يمكن أن تكون بأمان بأمان دون إيذاء أداء النموذج بشكل كبير؛هذه التشذيب تؤدي إلى النماذج الأصغر بشكل ملحوظ وأسرع في الممارسة العملية.يقدم عملنا تقنية تشذيب رأس جديد نكون مصطلحنا تشذيب فرعي قابل للتطبيق.NTITIONIAL، تتعلم طريقة لدينا المتغيرات ذات الأهمية لكل رأس، ثم يفرض عقبة صلبة محددة من قبل المستخدم على عدد الرؤوس غير المشددة.يتم تعلم المتغيرات الأهمية من خلال نزول التدرج الاستوكاستكي.إجراء تجارب على الاستدلال اللغوي والترجمة الآلية؛نظهر أن تشذيب التقليم الفرعي المميز يؤدي بشكل أساسي أو أفضل من الأعمال السابقة مع توفير سيطرة دقيقة على مستوى Sparsity.1

Abstract Multi-head attention, a collection of several attention mechanisms that independently attend to different parts of the input, is the key ingredient in the Transformer. Recent work has shown, however, that a large proportion of the heads in a Transformer's multi-head attention mechanism can be safely pruned away without significantly harming the performance of the model; such pruning leads to models that are noticeably smaller and faster in practice. Our work introduces a new head pruning technique that we term differentiable subset pruning. ntuitively, our method learns per- head importance variables and then enforces a user-specified hard constraint on the number of unpruned heads. he importance variables are learned via stochastic gradient descent. e conduct experiments on natural language inference and machine translation; we show that differentiable subset pruning performs comparably or better than previous works while offering precise control of the sparsity level.1