research: publish AttnRes forward training study
This commit is contained in:
@@ -1,7 +1,7 @@
|
||||
{
|
||||
"architecture": "block",
|
||||
"batch_size": 32,
|
||||
"canonical_sha256_without_self": "a467cc1c05e1b860abbf44086273071bcd2a891db4354cc6e79b319e44d1cce5",
|
||||
"canonical_sha256_without_self": "81b011e2ab02c49abb6b2686b3e0701d71ab6e7f46cbb7c426eec91702836b7f",
|
||||
"depth": 32,
|
||||
"diagnostics": [
|
||||
{
|
||||
@@ -2479,74 +2479,74 @@
|
||||
],
|
||||
"forward_intervention": {
|
||||
"depth_visit_counts": [
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0,
|
||||
0
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39,
|
||||
39
|
||||
],
|
||||
"forward_calls": 0,
|
||||
"forward_calls": 39,
|
||||
"output_mixer_selected": false,
|
||||
"output_visit_count": 0,
|
||||
"output_visit_count": 39,
|
||||
"passed": true,
|
||||
"selected_depth_indices": [],
|
||||
"selected_parameter_reachability_gate": true,
|
||||
@@ -2555,70 +2555,198 @@
|
||||
"selector_gate": true,
|
||||
"semantics": "selected depth mixers use parameter-free constant-zero logits with the parent softmax+einsum arithmetic kernel",
|
||||
"source_counts_by_depth_index": {
|
||||
"0": [],
|
||||
"1": [],
|
||||
"10": [],
|
||||
"11": [],
|
||||
"12": [],
|
||||
"13": [],
|
||||
"14": [],
|
||||
"15": [],
|
||||
"16": [],
|
||||
"17": [],
|
||||
"18": [],
|
||||
"19": [],
|
||||
"2": [],
|
||||
"20": [],
|
||||
"21": [],
|
||||
"22": [],
|
||||
"23": [],
|
||||
"24": [],
|
||||
"25": [],
|
||||
"26": [],
|
||||
"27": [],
|
||||
"28": [],
|
||||
"29": [],
|
||||
"3": [],
|
||||
"30": [],
|
||||
"31": [],
|
||||
"32": [],
|
||||
"33": [],
|
||||
"34": [],
|
||||
"35": [],
|
||||
"36": [],
|
||||
"37": [],
|
||||
"38": [],
|
||||
"39": [],
|
||||
"4": [],
|
||||
"40": [],
|
||||
"41": [],
|
||||
"42": [],
|
||||
"43": [],
|
||||
"44": [],
|
||||
"45": [],
|
||||
"46": [],
|
||||
"47": [],
|
||||
"48": [],
|
||||
"49": [],
|
||||
"5": [],
|
||||
"50": [],
|
||||
"51": [],
|
||||
"52": [],
|
||||
"53": [],
|
||||
"54": [],
|
||||
"55": [],
|
||||
"56": [],
|
||||
"57": [],
|
||||
"58": [],
|
||||
"59": [],
|
||||
"6": [],
|
||||
"60": [],
|
||||
"61": [],
|
||||
"62": [],
|
||||
"63": [],
|
||||
"7": [],
|
||||
"8": [],
|
||||
"9": []
|
||||
"0": [
|
||||
1
|
||||
],
|
||||
"1": [
|
||||
2
|
||||
],
|
||||
"10": [
|
||||
3
|
||||
],
|
||||
"11": [
|
||||
3
|
||||
],
|
||||
"12": [
|
||||
3
|
||||
],
|
||||
"13": [
|
||||
3
|
||||
],
|
||||
"14": [
|
||||
3
|
||||
],
|
||||
"15": [
|
||||
3
|
||||
],
|
||||
"16": [
|
||||
3
|
||||
],
|
||||
"17": [
|
||||
4
|
||||
],
|
||||
"18": [
|
||||
4
|
||||
],
|
||||
"19": [
|
||||
4
|
||||
],
|
||||
"2": [
|
||||
2
|
||||
],
|
||||
"20": [
|
||||
4
|
||||
],
|
||||
"21": [
|
||||
4
|
||||
],
|
||||
"22": [
|
||||
4
|
||||
],
|
||||
"23": [
|
||||
4
|
||||
],
|
||||
"24": [
|
||||
4
|
||||
],
|
||||
"25": [
|
||||
5
|
||||
],
|
||||
"26": [
|
||||
5
|
||||
],
|
||||
"27": [
|
||||
5
|
||||
],
|
||||
"28": [
|
||||
5
|
||||
],
|
||||
"29": [
|
||||
5
|
||||
],
|
||||
"3": [
|
||||
2
|
||||
],
|
||||
"30": [
|
||||
5
|
||||
],
|
||||
"31": [
|
||||
5
|
||||
],
|
||||
"32": [
|
||||
5
|
||||
],
|
||||
"33": [
|
||||
6
|
||||
],
|
||||
"34": [
|
||||
6
|
||||
],
|
||||
"35": [
|
||||
6
|
||||
],
|
||||
"36": [
|
||||
6
|
||||
],
|
||||
"37": [
|
||||
6
|
||||
],
|
||||
"38": [
|
||||
6
|
||||
],
|
||||
"39": [
|
||||
6
|
||||
],
|
||||
"4": [
|
||||
2
|
||||
],
|
||||
"40": [
|
||||
6
|
||||
],
|
||||
"41": [
|
||||
7
|
||||
],
|
||||
"42": [
|
||||
7
|
||||
],
|
||||
"43": [
|
||||
7
|
||||
],
|
||||
"44": [
|
||||
7
|
||||
],
|
||||
"45": [
|
||||
7
|
||||
],
|
||||
"46": [
|
||||
7
|
||||
],
|
||||
"47": [
|
||||
7
|
||||
],
|
||||
"48": [
|
||||
7
|
||||
],
|
||||
"49": [
|
||||
8
|
||||
],
|
||||
"5": [
|
||||
2
|
||||
],
|
||||
"50": [
|
||||
8
|
||||
],
|
||||
"51": [
|
||||
8
|
||||
],
|
||||
"52": [
|
||||
8
|
||||
],
|
||||
"53": [
|
||||
8
|
||||
],
|
||||
"54": [
|
||||
8
|
||||
],
|
||||
"55": [
|
||||
8
|
||||
],
|
||||
"56": [
|
||||
8
|
||||
],
|
||||
"57": [
|
||||
9
|
||||
],
|
||||
"58": [
|
||||
9
|
||||
],
|
||||
"59": [
|
||||
9
|
||||
],
|
||||
"6": [
|
||||
2
|
||||
],
|
||||
"60": [
|
||||
9
|
||||
],
|
||||
"61": [
|
||||
9
|
||||
],
|
||||
"62": [
|
||||
9
|
||||
],
|
||||
"63": [
|
||||
9
|
||||
],
|
||||
"7": [
|
||||
2
|
||||
],
|
||||
"8": [
|
||||
2
|
||||
],
|
||||
"9": [
|
||||
3
|
||||
]
|
||||
},
|
||||
"uniform_weight_gate": true,
|
||||
"uniform_weight_max_abs_error": 0.0,
|
||||
|
||||
Reference in New Issue
Block a user