К содержимому
Другое

Transformer-1.3B EHWS

разреженная языковая модель со сжатием 90%

2 мин чтенияобновлено

Модель Transformer-1.3B-semi-structured-EHWS-90pct представляет собой экспериментальную языковую модель на 1.3 млрд параметров, в которой линейные слои искусственно разрежены (прорежены) до 90%. За основу взята базовая модель fla-hub/transformer-1.3B-100B, а само прореживание выполнено с помощью двухфазного метода ADMM и калибровки на данных C4. Особенность архитектуры заключается в том, что разреженность является полуструктурированной: каждая строка прореженного линейного слоя сохраняет одинаковое количество весов (топ-10%), тогда как эмбеддинги и финальная головка lm_head остаются плотными. Модель интересна исследователям и инженерам, изучающим методы оптимизации, ускорения инференса и сжатия LLM (больших языковых моделей).

Ключевые особенности

  • Экстремальное сжатие: 90% разреженность линейных слоев блоков модели.
  • Сбалансированная нагрузка: каждая строка прореженного слоя имеет равное количество ненулевых весов (ровно 10%).
  • Метод обучения: двухфазная оптимизация с использованием ADMM и калибровочных последовательностей C4.
  • Интеграция: полная совместимость с библиотекой flash-linear-attention (fla) и стандартом AutoModelForCausalLM.

Что можно сделать

  • Тестирование инференса: запустить модель локально с помощью библиотеки flash-linear-attention для экспериментов с разреженными вычислениями.
  • Анализ качества: сравнить показатели точности и перплексии разреженной версии с плотным базовым аналогом на задачах генерации текста.
  • Исследования оптимизации: изучить конфигурационные файлы и результаты в results.json для воспроизведения метода ADMM на других архитектурах.

Пример

import torch
from transformers import AutoModelForCausalLM

# Загрузка модели требует установленной библиотеки flash-linear-attention (import fla)
model_id = "ikimyaii/Transformer-1.3B-semi-structured-EHWS-90pct"
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.float16, device_map="auto")
print(model)
Подробнее• Перплексия (WikiText-2): Dense — 9.77, эта модель — 42.59
• Перплексия (C4): Dense — 14.65, эта модель — 38.86
• Средняя zero-shot точность (lm-evaluation-harness): 0.4390 (Dense) против 0.3663 (эта модель)
• Время обучения: 2.76 часа на одном GPU A100 (40GB)
• Ограничения: эмбеддинги и lm_head остаются плотными, наблюдается снижение точности из-за глубокого прореживания
Обсудить Telegram 0 10

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 5.1 GB · готовые файлы6.1 GB
  • BF16веса 2.5 GB3.3 GB
  • FP8 / INT8рекомендуемвеса 1.3 GB1.9 GB
  • 4-bitвеса 0.7 GB1.3 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 5060 Ti 8GB

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # ikimyaii/Transformer-1.3B-semi-structured-EHWS-90pct
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download ikimyaii/Transformer-1.3B-semi-structured-EHWS-90pct --local-dir ~/models/Transformer-1.3B-semi-structured-EHWS-90pct
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

fla-hub/transformer-1.3B-100B

Новые посты про версии transformer-1.3B-100B — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 9Все на Hugging Face

О модели

ikimyaii/Transformer-1.3B-semi-structured-EHWS-90pct
Автор
ikimyaii
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

100

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии