大型语言模型（LLM）参数量计算指南_大语言模型参数量比较

参考的视频和其文字版

LLM面试_模型参数量计算
LLM模型参数量计算
LLM Visualization

大型语言模型（LLM）参数量计算指南

在人工智能领域，大型语言模型（LLM）因其强大的文本处理能力而备受关注。然而，这些模型的复杂性也体现在它们庞大的参数量上。本文将介绍如何计算LLM中的关键组件参数量，帮助您更好地理解模型的规模和性能。

1. 词嵌入（Embeddings）

词嵌入是将词汇映射到固定维度向量的过程。对于输入序列，每个词都通过一个词嵌入矩阵转换为一个$D$维的向量。如果词汇表大小为$V$，则词嵌入矩阵的维度为$[V,D]$，总参数量为$V\times D$。

2. 多头注意力（Multi-Head Attention）

多头注意力机制是Transformer模型的核心，它允许模型同时关注序列中的多个位置。每个注意力头都有自己的查询（Q）、键（K）和值（V）矩阵，其维度分别为$[L,d]$，其中$L$是序列长度，$d$是每个头处理的维度。

• 查询、键、值矩阵：$Q=X{W}^Q,K=X{W}^K,V=X{W}^V$，每个矩阵的维度为$[D,d]$。
• 输出矩阵：$W^O$，维度为$[D,D]$。

对于[H]个头，多头注意力的总参数量为$3\times D\times d\times H+D\times D$。

3. 前馈神经网络（Feed-Forward Neural Network, FFN）

FFN由两个线性层组成，第一个线性层将输入从$[L,D]$映射到$[L,4D]$，第二个线性层再将其映射回$[L,D]$。

• 第一层：权重矩阵维度为$[D,4D]$，参数量为$D\times 4D$。
• 第二层：权重矩阵维度为$[4D,D]$，参数量为$4D\times D$。

每个FFN块的总参数量为$8D\times D$。

4. 总参数量

结合词嵌入、多头注意力和前馈神经网络，整个模型的总参数量可以表示为：

$$12\cdot n\cdot layers\cdot d_{model}+2\cdot n_{tokens}\cdot d_{model}$$

其中，$n$是层数，$d_{model}$是模型的隐藏层维度，$n_{tokens}$是词表数量。

5. 其他组件

• 偏置项（bias）：每个权重矩阵都有一个偏置项，总数通常等于$D\times n_{layers}$。
• 层归一化（layernorm）：包含缩放因子和偏移量，参数总数为$2\times D\times n_{layers}$。
• 位置编码（positional encoding）：如果使用固定的、不可学习的位置编码，如正弦编码，则不增加模型参数。

结语

了解LLM的参数量对于评估模型的计算需求和可能的性能至关重要。随着模型规模的增长，合理设计和优化模型参数是实现高效深度学习的关键。