Flowformer

Flowformer

Flowformer 利用保护流网络实现 Transformer 线性化和长序列处理

Flowformer 是一种 Transformer 模型,通过引入保护流网络理论,实现了线性复杂度的注意力机制。它能够处理超过4000多个标记的长序列,在视觉、自然语言处理、时间序列和强化学习等领域表现优异。在长序列建模任务中,Flowformer 的平均准确率达到56.48%,超过了 Performer 和 Reformer 等现有方法。该项目不依赖特定归纳偏置,提供了核心代码实现和多个领域的应用示例,为研究人员和开发者提供了一个通用的基础模型。

注意力机制流网络理论Github开源项目FlowformerTransformer线性复杂度

Flowformer(ICML 2022)

Flowformer:利用守恒流线性化Transformer

:triangular_flag_on_post:新闻(2024.07)Mobile-Attention,一个为移动设备量身定制的Flowformer版本,已在ICML 2024发表。注意力代码可以在这里找到。只需将标准注意力机制替换为我们的Mobile-Attention,就可以获得一个更快的模型。

Transformer在多个领域取得了令人印象深刻的成功。然而,注意力机制的二次复杂度严重阻碍了Transformer处理大量token和扩展到更大模型的能力。为了追求线性复杂度任务通用的基础模型,我们提出了Flowformer [论文],具有以下优点:

  • 相对于序列长度的线性复杂度,可以处理极长序列(超过4k个token)
  • 无特定归纳偏置,纯粹源自流网络理论
  • 任务通用,在**$\color{red}{\text{长序列、视觉、自然语言处理、时间序列、强化学习}}$**等任务中表现出色。

流注意力设计

我们将注意力机制转化为流网络,信息流通过学习的流容量(注意力)从源(值)聚合到汇(结果)。

通过在源和汇两个方面进行守恒,我们可以将竞争引入流注意力设计,避免琐碎的注意力,体现了"固定资源会导致竞争"的精神。

<p align="center"> <img src="https://raw.githubusercontent.com/thuml/Flowformer/main/.\pic\Flow-Attention.png" height = "250" alt="" align=center /> <br><br> <b>图1.</b> 具有竞争和分配机制的流注意力。 </p>

快速开始

  1. 请参考不同文件夹获取详细的实验说明。

    注意:我们在为不同任务配置环境时遇到了很多困难。如果您在解决环境问题时也遇到困难,欢迎联系我们并讨论。

  2. 基准测试列表

  • 核心代码:见Flow_Attention.py
  • GPT风格的Pytorch模块:见Flowformer_TorchModule
  • LRA中的长序列建模:见Flowformer_LRA
  • ImageNet-1K中的视觉识别:见Flowformer_CV
  • WikiText-103中的语言建模:见Flowformer_NLP
  • UEA中的时间序列分类:见Flowformer_TimeSeries
  • D4RL中的强化学习:见Flowformer_RL
  • CUDA加速版本

主要结果

详细结果请参见[论文],包括近20个对比基准

任务指标FlowformerPerformerReformer普通<br>Transformer
长序列建模<br>(LRA)平均准确率(%)$\uparrow$56.4851.4150.67OOM
视觉识别<br>(ImageNet-1K)Top-1准确率(%)$\uparrow$80.678.179.678.7
语言建模<br>(WikiText-103)困惑度$\downarrow$30.837.533.633.0
时间序列分类<br>(UEA)平均准确率(%)$\uparrow$73.071.571.971.9
离线强化学习<br>(D4RL)平均奖励$\uparrow$<br>平均偏差$\downarrow$73.5 $\pm$ 2.963.8 $\pm$ 7.663.9 $\pm$ 2.972.2 $\pm$ 2.6

普通Transformer在强化学习中指Decision Transformer。

注意力可视化

<p align="center"> <img src="https://raw.githubusercontent.com/thuml/Flowformer/main/.\pic\Attention-visualization.png" height = "300" alt="" align=center /> <br><br> <b>图2.</b> 注意力可视化。Flowformer能够成功捕捉到关键部分。 </p>

引用

如果您觉得本仓库有用,请引用我们的论文。

@inproceedings{wu2022flowformer,
  title={Flowformer: Linearizing Transformers with Conservation Flows},
  author={Haixu Wu and Jialong Wu and Jiehui Xu and Jianmin Wang and Mingsheng Long},
  booktitle={International Conference on Machine Learning},
  year={2022}
}

联系方式

如果您有任何问题或想使用代码,请联系wuhx23@mails.tsinghua.edu.cn

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多