目的

为避免一学就会、一用就废，这里做下笔记

说明

1. 本文内容紧承前文-Transformer架构1-整体介绍、Transformer架构6-输出层，欲渐进，请循序
2. 前面学完了Transformer架构1-6节，这里通过一个模型参数量计算的测试题，验证学习效果

问题

给出HuggingFace上模型Langboat/bloom-1b4-zh的结构信息如下：

BloomForCausalLM(
  (transformer): BloomModel(
    (word_embeddings): Embedding(46145, 2048)
    (word_embeddings_layernorm): LayerNorm((2048,), eps=1e-05, elementwise_affine=True)
    (h): ModuleList(
      (0-23): 24 x BloomBlock(
        (input_layernorm): LayerNorm((2048,), eps=1e-05, elementwise_affine=True)
        (self_attention): BloomAttention(
          (query_key_value): Linear(in_features=2048, out_features=6144, bias=True)
          (dense): Linear(in_features=2048, out_features=2048, bias=True)
          (attention_dropout): Dropout(p=0.0, inplace=False)
        )
        (post_attention_layernorm): LayerNorm((2048,), eps=1e-05, elementwise_affine=True)
        (mlp): BloomMLP(
          (dense_h_to_4h): Linear(in_features=2048, out_features=8192, bias=True)
          (gelu_impl): BloomGelu()
          (dense_4h_to_h): Linear(in_features=8192, out_features=2048, bias=True)
        )
      )
    )
    (ln_f): LayerNorm((2048,), eps=1e-05, elementwise_affine=True)
  )
  (lm_head): Linear(in_features=2048, out_features=46145, bias=False)
)

上述模型结构信息，可以通过在jupyter中执行如下代码获得

from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("Langboat/bloom-1b4-zh",low_cpu_mem_usage=True)
model

解答

要计算 BloomForCausalLM 模型的参数量，可以根据模型结构中各层的参数数量进行累加。以下是详细的计算步骤：

1. Embedding 层 (word_embeddings)

• 形状为 [(46145, 2048)]
• 参数量 = 46145 × 2048 = 94,504,960

2. LayerNorm 层

• 每个 LayerNorm 层有两个可学习参数：缩放因子（weight）和偏置项（bias）
• 每个 LayerNorm 的参数量 = 2048 × 2 = 4096
• 总共有以下 LayerNorm 层：
  • word_embeddings_layernorm: 1 个
  • input_layernorm（每层 Block）: 24 个
  • post_attention_layernorm（每层 Block）: 24 个
  • ln_f: 1 个
• 总参数量 = (1 + 24 + 24 + 1) × 4096 = 50 × 4096 = 204,800

  归一化层（如Batch Norm, Layer Norm）中的缩放因子（Scale，通常记作 γ）和偏置项（Shift，通常记作 β），是赋予模型灵活性的关键可学习参数。它们的核心作用不是简单地“归一化”，而是在归一化的基础上，让模型能自主决定是否恢复、以及恢复到何种原始数据特征。

3. Self-Attention 层

每个 BloomBlock 中的 self_attention 包含两个线性层：

(1) query_key_value 线性层

• 输入维度：2048
• 输出维度：6144
• 参数量 = 2048 × 6144 + 6144（权重 + 偏置）= 12,582,912 + 6144 = 12,589,056
• 总共有 24 个 Block，因此总参数量 = 24 × 12,589,056 = 302,137,344

(2) dense 线性层

• 输入维度：2048
• 输出维度：2048
• 参数量 = 2048 × 2048 + 2048（权重 + 偏置）= 4,194,304 + 2048 = 4,196,352
• 总共有 24 个 Block，因此总参数量 = 24 × 4,196,352 = 100,712,448

4. MLP 层（多层感知机/前馈网络）

每个 BloomBlock 中的 mlp 包含两个线性层：

(1) dense_h_to_4h 线性层

• 输入维度：2048
• 输出维度：8192
• 参数量 = 2048 × 8192 + 8192（权重 + 偏置）= 16,777,216 + 8192 = 16,785,408
• 总共有 24 个 Block，因此总参数量 = 24 × 16,785,408 = 402,849,792

(2) dense_4h_to_h 线性层

• 输入维度：8192
• 输出维度：2048
• 参数量 = 8192 × 2048 + 2048（权重 + 偏置）= 16,777,216 + 2048 = 16,779,264
• 总共有 24 个 Block，因此总参数量 = 24 × 16,779,264 = 402,702,336

5. LM Head 层

• 输入维度：2048
• 输出维度：46145
• 参数量 = 2048 × 46145（无偏置）= 94,504,960

6. 总参数量汇总

将上述各项相加：

Embedding 层:           94,504,960
LayerNorm 层:            204,800
Self-Attention 层:     402,849,792
MLP 层:                805,552,128
LM Head 层:             94,504,960
-----------------------------------
总计:               1,303,111,680

7. 结果验证（正确）