Llama2模型的优化版本：Llama-2-OnnxLlama2模型的优化版本：Llama-2-Onnx。Llama-2-Onnx是Llama2模型的优化版本。Llama2模型由一堆解码器层组成。每个解码器层（或变换器块）由一个自注意层和一个前馈多层感知器构成。与经典的变换器相比，Llama模型在前馈层中使用了不同的投影大小。例如，Llama1和Llama2的投影都使用了2.7倍的隐藏大小，而不是标准的4倍隐藏大小。Llama1和Llama2之间的一个关键区别在于注意层的架构变化，Llama2利用了分组查询注意（GQA）机制来提高效率。