Downloads · 30 days
99
4% of all-time downloads
DeepSeek-V3-slice-jp64
mmnga/DeepSeek-V3-slice-jp64
DeepSeek-V3-slice-jp64 is a machine learning model from mmnga. Use it for the machine learning task on the model card, and read the license before you ship it in a product. The card lists the license as other.
本モデルは 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。
All-time downloads
2.8K
Public
Parameters
181B
361 GB on disk
Likes
11
Public
Repo makeup
Click a slice to open those files.
.safetensors361 GB · 100%
Parameter types
How the weights are stored.
BF16181B · 100%
Base models
Model card
From the Hugging Face model README
DeepSeek-V3-slice-jp64
実験モデルです
本モデルは 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 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
- Type
- deepseek_v3
- License
- other
- Languages
- ja
- Created
- Jan 1, 2025
- Updated
- Jan 1, 2025