GLU variants (2020) 논문 리뷰

GLU variants가 나온 의 논문 이름은 GLU Variants Improve Transformer다. (링크)

 

저자는 Noam Shazeer다. 

 

GLU는 Gated Linear Units의 약자다. 

 

Abstract

GLU, Gated Linear Units은 두 개의 linear projections의 component-wise product로 구성된다. 여기서는 다양한 GLU의 variants를 탐구한다. ReLU와 GELU 보다 좋은 성능임을 보인다.

 

Introduction

 

Transformer 베이스의 모델들의 내부의 Position-wise Feed-Forward Networks (FFN)에서 activation 함수들이 쓰인다.  

 

T5에서는 bias가 없는 버젼이다.  

 

ReLU는 $\text{FFN}_\text{ReLU}(x, W_1, W_2) = \text{max}(xW_1, 0)W_2$로 표시할 수 있다.

 

GELU의 경우 $\text{FFN}_\text{GELU}(x, W_1, W_2) = \text{GELU}(xW_1)W_2$로,  

 

$\text{Swish}_{\beta}(x)$의 경우 $\text{FFN}_\text{Swish}_{1}(x, W_1, W_2) = \text{ Swish }_{1}(xW_1)W_2$로 표기한다.

 

GELU는 Gaussian Error Linear Units로 GELU($x$) = $x \Phi{x}$다. 이때 $\Phi$는 CDF of normal distribution이다.   

 

$\text{Swish}_{\beta}(x) = x \sigma(\beta x)$ 함수다.  $\sigma$는 sigmoid 함수다.   

 

Gated Linear Units (GLU) and Variants

GLU$(x, W, V, b, c) = \sigma(xW + b) \otimes (xV + c) $  

Bilinear$(x, W, V, b, c) = (xW + b) \otimes (xV + c) $  

 

이때 $\otimes$는 component-wise product = element-wise product = Hadamard product다.  

 

ReGLU$(x, W, V, b, c) = max(0, xW + b) \otimes (xV + c) $  

GEGLU $(x, W, V, b, c) = GELU(xW + b) \otimes (xV + c) $  

SwiGLU $(x, W, V, b, c, \beta) = \text{Swish}_{\beta}(xW + b) \otimes (xV + c) $  

 

Bias term을 생략한 FFN과 activation은 아래와 같이 표기 가능하다.

 

$\text{FFN}_\text{GLU}(x, W, V, W_2) = (\sigma(xW) \otimes xV) W_2$

$\text{FFN}_\text{Bilinear}(x, W, V, W_2) = (xW \otimes xV) W_2$

$\text{FFN}_\text{ReGLU}(x, W, V, W_2) = (max(0, xW) \otimes xV )W_2$

$\text{FFN}_\text{GEGLU}(x, W, V, W_2) = (\text{GELU}(xW)\otimes xV)W_2$

$\text{FFN}_\text{SwiGLU}(x, W, V, W_2) = (\text{Swish}_{1}(xW)\otimes xV)W_2$

 

3. Experiments with T5

T5 base 220M 짜리 모델을 이용해서 실험했다.

Heldout-set log perplexity를 segment-filling tasks의 측면에서 측정했다.

 

3.2. Pre-training

 

GEGLU와 SwiGLU의 성능이 준수하다. 

 

 

3.3. Fine-tuning

 

 

Bilinear, ReGLU, SwiGLU가 주목할만한 성능을 보여준다.