|
--- |
|
license: other |
|
language: |
|
- ja |
|
base_model: |
|
- deepseek-ai/DeepSeek-V3 |
|
--- |
|
# DeepSeek-V3-slice-jp64 |
|
|
|
## 実験モデルです |
|
本モデルは [DeepSeek-V3](https://huggingface.co./deepseek-ai/DeepSeek-V3) をベースに、日本語の例文を元に頻出する MoE (Mixture of Experts) の各レイヤーごとのexpertsを厳選して再構成したモデルです。 |
|
元のモデルでは 256 のexpertsを搭載していますが、日本語出力における安定性とパフォーマンスのバランスを重視し、各層で頻出する 64 のexpertsを使用するように調整しています。 |
|
|
|
### 例文出力時の各layerごとのexpertsの頻出分布 |
|
 |
|
--- |
|
|
|
## ライセンス |
|
ご使用前にライセンスファイルをご確認ください。 |
|
[DeepSeek-V3](https://huggingface.co./deepseek-ai/DeepSeek-V3) こちらのライセンスをそのまま使用しています。 |
|
|
|
## 特徴 |
|
|
|
- MoEモデルのexpertsから、日本語の例文出力をして各layerごとに頻出する64のexpertをして組み直したモデルです。 |
|
- 16ではまともに動かず、32では安定しなかったため64expertsにしています。 |
|
- scripts/layer_topk_idx_distribution.json |
|
- 各layerごとに頻出順に128のexpertのrankが記録されています。 |
|
- scripts/deepseek_slice.py |
|
- 元モデル（bf16）から、64のexpertを使用したモデル（bf16）を作成します。 |
|
- scripts/model_test.py |
|
- モデル実行用テスト用のスクリプトです。コメントアウトされている例文を元に頻出するexpertを計測しています |
|
|
|
--- |
|
|
|
## 使い方 |
|
`scripts/model_test.py`に実行コードあります |
