正文

gpt2如何訓(xùn)練（gpt-2 訓(xùn)練）

發(fā)布時(shí)間：2023-03-19 01:40:34 稿源：創(chuàng)意嶺閱讀： 104 問大家

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于gpt2如何訓(xùn)練的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com

本文目錄:

1、gpt-2什么水平
2、gpt2和cpm2哪個(gè)好
3、05-ELMo/BERT/GPT-NLP預(yù)訓(xùn)練模型
4、內(nèi)在什么引擎

gpt2如何訓(xùn)練（gpt-2 訓(xùn)練）

一、gpt-2什么水平

高科技水平。gpt-2作為一個(gè)沒有經(jīng)過任何領(lǐng)域數(shù)據(jù)專門訓(xùn)練的模型，它的表現(xiàn)比那些專為特定領(lǐng)域打造的模型還要好，橫掃各大語言建模任務(wù)。是屬于高科技水平檔次。

二、gpt2和cpm2哪個(gè)好

gpm2好。CPM2即大規(guī)模高效預(yù)訓(xùn)練語言模型,CPM-2的高效預(yù)訓(xùn)練框架圍繞三個(gè)部分進(jìn)行,模型預(yù)訓(xùn)練,模型微調(diào)和模型推理。CPM2是一個(gè)擁有110億參數(shù)的通用中英文雙語預(yù)訓(xùn)練語言模型，基于encoder至decoder架構(gòu)。CPM2具有7種通用語言能力。

三、05-ELMo/BERT/GPT-NLP預(yù)訓(xùn)練模型

這里可以參考CSDN上的文章-BERT原理和實(shí)踐： https://blog.csdn.net/jiaowoshouzi/article/category/9060488

在解釋BERT，ELMO這些預(yù)訓(xùn)練模型之前，我們先看一下很久之前的計(jì)算機(jī)是如何讀懂文字的？

每個(gè)字都有自己的獨(dú)特的編碼。但是這樣是有弊端的，字和字之間的關(guān)聯(lián)關(guān)系是無法得知的，比如計(jì)算機(jī)無法知道dog和cat都是動物，它反而會覺得bag和dog是比較相近的。

所以后來就有了Word Class，將一系列的詞進(jìn)行分類然后讓一類詞語和一類詞語之間更有關(guān)聯(lián)，但是這樣的方法太過于粗糙，比如dog，cat，bird是一類，看不出哺乳動物鳥類的區(qū)別。

在這個(gè)基礎(chǔ)之上，我們有了Word Embedding，Word Embedding我們可以想象成是一種soft的word class，每個(gè)詞都用向量來表示，它的向量維度可能表示這個(gè)詞匯的某種意思，如圖中dog，cat，rabbit的距離相比其他更近。那么word embendding是如何訓(xùn)練出來的，是根據(jù)每個(gè)詞匯的上下文所訓(xùn)練的。

每個(gè)句子都有bank的詞匯，四個(gè)bank是不同的token，但是同樣的type。（注：token-詞例， type-詞型， class-詞類 or token是出現(xiàn)的總次數(shù)(還有種理解是token是具有一定的句法語義且獨(dú)立的最小文本成分。 )，type是出現(xiàn)的不同事物的個(gè)數(shù)。）

對于典型的Word Embedding認(rèn)為，每個(gè)詞type有一個(gè)embedding，所以就算是不同的token只要是一樣的type那么word embedding就是一樣的，語義也就是一樣的。

而事實(shí)上并非如此，1,2句bank指的是銀行，3,4為水庫。所以我們希望讓機(jī)器給不同意思的token而且type還一致，給予不同的embedding。在這個(gè)問題上，之前的做法是從字典中去查找這個(gè)詞包含幾種意思，但是這樣的做法顯然跟不上現(xiàn)實(shí)中詞語的一些隱含的含義。比如bank有銀行的意思，與money一起是銀行的意思，而與blood一起卻是血庫的意思。

所以我們想讓機(jī)器今天進(jìn)一步做到每一個(gè)word token都可以有自己的embedding(之前是每個(gè)type有一個(gè)embedding或者有固定的一個(gè)或多個(gè)embedding)，那么怎么知道一個(gè)word應(yīng)該有怎樣的embedding呢？我們可以取決于該詞的上下文，上下文越相近的token它們就會越相近的embedding。比如之前提到的bank，下面兩個(gè)句子它們的word token的embedding可能是相近的，而和上面的word token的embedding是相遠(yuǎn)的。

所以我們想使用一種能夠基于上下文的Contextual word Embedding來解決一詞多義的問題。

這里使用ELMO可以做到這件事情，即每個(gè)word token擁有不同的word embedding。(右上角動物是芝麻街(美國公共廣播協(xié)會（PBS）制作播出的兒童教育電視節(jié)目)里的角色)。

它是基于RNN的預(yù)訓(xùn)練模型，它只需要搜集大量語料(句子)且不需要做任何標(biāo)注，就可以訓(xùn)練這個(gè)基于RNN的語言模型，預(yù)測下一個(gè)token是什么，學(xué)習(xí)完了之后就得到了上下文的embedding。因?yàn)槲覀兛梢詫NN的隱藏層中的某一節(jié)點(diǎn)拿出來(圖中橙藍(lán)色節(jié)點(diǎn))，它就是輸入當(dāng)前結(jié)點(diǎn)的詞匯的word embedding。

從當(dāng)計(jì)算識別到<BOS>，模型訓(xùn)練開始。首先輸入"潮水"，然后當(dāng)作輸入輸出"退了"，退了當(dāng)做輸入輸出"就"。

假設(shè)當(dāng)前要得到”退了”這個(gè)詞的上下文embedding，首先，因?yàn)榍斑叺腞NN只考慮到了前文而沒有考慮到后文，所以這里就使用了同前文一樣的反向的RNN。然后，它從句尾開始進(jìn)行，比如給它喂”知道”，它就要預(yù)測”就”，給它喂”就”，它就要預(yù)測”退了”。這時(shí)候就不僅考慮每個(gè)詞匯的前文，還會考慮每個(gè)詞的后文。最后將正向和逆向得到的兩個(gè)不同的上下文embedding(因?yàn)榉较虿煌?xùn)練結(jié)果也不一樣)拼接起來。

現(xiàn)在我們訓(xùn)練的程度都會越來越深度，當(dāng)層數(shù)增加，這樣就會產(chǎn)生Deep的RNN，因?yàn)楹芏鄬樱颐恳粚佣紩a(chǎn)生上下文Embedding，那么我們到底應(yīng)該使用哪一層？每一層這種深度LSTM中的每個(gè)層都可以生成潛在表示(方框處)。同一個(gè)詞在不同的層上會產(chǎn)生不同的Embedding，那么我們應(yīng)該使用哪一層呢？ELMo的策略是每一層得到的上下文embedding都要。

在上下文embedding的訓(xùn)練模型中，每個(gè)詞輸入進(jìn)去都會有一個(gè)embedding輸出來。但是在ELMo中，每個(gè)詞匯輸入進(jìn)去，都會得到不止一個(gè)embedding，因?yàn)槊繉拥腞NN都會給到一個(gè)embedding，ELMo將它們統(tǒng)統(tǒng)加起來一起使用。

以圖中為例，這里假設(shè)ELMo有兩層RNN，這里是將α1(黃色，第一層得到的embedding)和α2(綠色，第二層得到embedding)加起來得到藍(lán)色的embedding，并做為接下來要進(jìn)行不同任務(wù)的輸入。

但是這里存在一些問題，α1和α2是學(xué)習(xí)得到的，而且它是根據(jù)當(dāng)前要進(jìn)行的任務(wù)(如QA，POS of tagging )，然后根據(jù)接下來要進(jìn)行的這些任務(wù)一起被學(xué)習(xí)出來。所以就導(dǎo)致不同任務(wù)導(dǎo)向下的α1和α2也不一樣。

ELMo的論文中提到，在不同任務(wù)下(SRL,Coref,SNLI,SQuAD,SST-5)。藍(lán)色的上下文embedding在經(jīng)過token(這里為沒有經(jīng)過上下文的embedding)，LSTM1，LSTM2后，它在不同階段需要的weight也不一樣。

BERT相當(dāng)于是Transformer的Encoder部分，它只需要搜集大量的語料去從中學(xué)習(xí)而不經(jīng)過標(biāo)注(不需要label)，就可以將Encoder訓(xùn)練完成。如果之前要訓(xùn)練Encoder，我們需要通過一些任務(wù)來驅(qū)動學(xué)習(xí)(如機(jī)器翻譯)。

BERT就是句子給進(jìn)去，每個(gè)句子給一個(gè)embedding。

這里可以回憶下，Transformer的Enoder中有self-attention layer，就是給進(jìn)去一個(gè)sequence，輸出也得到一個(gè)sequence。

雖然圖中使用是用詞作為單元進(jìn)行輸入，但是在使用BERT進(jìn)行中文的訓(xùn)練時(shí)，字會是一個(gè)更好的選擇。比如，我們在給BERT進(jìn)行輸入時(shí)，用one-hot給詞進(jìn)行編碼，但是詞在中文中數(shù)量龐大，會導(dǎo)致維度過高。但是，字的話相對會少很多，特別是中文(大約幾千個(gè)，可以窮舉)。這樣以字為單位進(jìn)行輸入會占很大優(yōu)勢。

共有兩種方法，一種是Mask LM遮蓋語言模型，另一種是Next Sentence Prediction下一句預(yù)測。

下面用上圖的例子來理解BERT是怎么樣來進(jìn)行填空的：

1）這里假設(shè)在所有句子中的詞匯的第2個(gè)位置上設(shè)置一個(gè)<MASK>；

2）接下來把所有的詞匯輸入BERT，然后每個(gè)輸入的token都會得到一個(gè)embedding；

3）接下來將設(shè)置為<MASK>的embedding輸入到Linear Multi-class Classifier中中，要求它預(yù)測被<MASK>的詞匯是哪個(gè)詞匯？

但是這個(gè)Linear Multi-class Classifier它僅僅是一個(gè)線性分類器，所以它的能力十分弱，這也就需要在之前的BERT模型中需要將它的層數(shù)等參數(shù)設(shè)計(jì)的相當(dāng)好，然后得到非常出色的representation，便于線性分類器去訓(xùn)練。

那么我們怎么知道最后得到的embedding是什么樣的呢？如果兩個(gè)<MASK>下的詞匯(輸入時(shí)設(shè)置的<MASK>和最后預(yù)測的<MASK>)都放回原來的位置而且沒有違和感(就是語句還算通順)，那它們就有類似的embedding(比如退下和落下)。

如圖中，給定兩個(gè)句子1)醒醒吧和 2)你沒有妹妹。其中特殊符號[SEP]是告訴BERT兩個(gè)句子的分隔點(diǎn)在哪里。

特殊符號[CLS]一般放在句子的開頭，它用來告訴BERT從這開始分類任務(wù)，[CLS]輸入BERT后得到embedding然后通過Linear Binary Classifier得出結(jié)果說明：經(jīng)過BERT預(yù)測后現(xiàn)在我們要預(yù)測的兩個(gè)句子是接在一起 or 不應(yīng)該被接在一起。

這里可能會有疑問，為什么不將[CLS]放在句尾，等BERT訓(xùn)練完兩個(gè)句子再輸出結(jié)果？

對于上圖中的任務(wù)，BERT現(xiàn)在要做的事情就是給定兩個(gè)句子，讓BERT輸出結(jié)果這兩個(gè)句子是不是應(yīng)該接在一起？

所以在語料庫的大量句子中，我們是知道哪些句子是可以接在一起的，所以也需要我們告訴BERT哪些句子是接在一起的。

Linear Binary Classifier和BERT是一起被訓(xùn)練的，通過預(yù)測下一句這個(gè)任務(wù)，我們就可以把將BERT部分的最優(yōu)參數(shù)訓(xùn)練出來。

現(xiàn)在我們知道了任務(wù)一和任務(wù)二，在原論文中兩種任務(wù)是要同時(shí)進(jìn)行的，這樣才能將BERT的性能發(fā)揮到最佳。

現(xiàn)在我們知道了BERT要做什么事情，那么我們要如何去使用它？共有四種方法。論文中是將【BERT模型和接下來你要進(jìn)行的任務(wù)】結(jié)合在一起做訓(xùn)練。

第一種，假設(shè)當(dāng)前任務(wù)是Input一個(gè)sentence，out一個(gè)class，舉例來說輸入一句話來判斷分類。

訓(xùn)練流程：1）將做要分類的句子丟給BERT；

2）需要在句子開始加上分類的特殊符號，這個(gè)特殊符號經(jīng)過BERT輸出的embedding經(jīng)過線性分類器，輸出結(jié)果為當(dāng)前的句子屬于的類別是真還是假。BERT和Linear Classifier的參數(shù)一起進(jìn)行學(xué)習(xí)；

3）這里的Linear Classifier是Trained from Scratch是白手起家從頭開始，即它的參數(shù)隨機(jī)初始化設(shè)置，然后開始訓(xùn)練；

4）而BERT則是加上Fine-tune微調(diào)策略(一種遷移學(xué)習(xí)方式*)，例如Generative Pre-trained Transformer(OpenAI GPT生成型預(yù)訓(xùn)練變換器)(Radford等，2018)，引入了最小的任務(wù)特定參數(shù)，并通過簡單地微調(diào)預(yù)訓(xùn)練參數(shù)在下游任務(wù)中進(jìn)行訓(xùn)練。

*這里不得不提一下遷移學(xué)習(xí)中的Fine-tune，這里可以參考csdn的一篇文章： https://blog.csdn.net/u013841196/article/details/80919857

( https://arxiv.org/abs/1805.12471 )

第二種，假設(shè)當(dāng)前任務(wù)是input一個(gè)sentence，輸出這個(gè)句子中的每個(gè)詞匯屬于正例還是負(fù)例。舉例現(xiàn)在的任務(wù)是slot filling填槽任務(wù)(填槽指的是為了讓用戶意圖轉(zhuǎn)化為用戶明確的指令而補(bǔ)全信息的過程)（另一種解釋是從大規(guī)模的語料庫中抽取給定實(shí)體（query）的被明確定義的屬性（slot types）的值（slot fillers））(槽可以理解為實(shí)體已明確定義的屬性)，輸入的句子是 arrive Taipei on November 2nd輸出的槽是other dest on time time

訓(xùn)練流程：

1）將句子輸入BERT，句子中的每個(gè)詞匯都會映射出一個(gè)embedding；

2）每個(gè)詞匯的embedding輸入Linear Classifier，輸出結(jié)果；

3）Linear Classifier 白手起家和Bert微調(diào)的方式一起去做學(xué)習(xí)。

第三種，假設(shè)當(dāng)前任務(wù)是input輸入兩個(gè)句子，輸出class。舉例現(xiàn)在要進(jìn)行自然語言預(yù)測，讓機(jī)器根據(jù)premise前提，預(yù)測這個(gè)hypothesis假設(shè)是True還是False還是unknown不知道。實(shí)際上，我們可以把這個(gè)任務(wù)當(dāng)成三分類問題。

訓(xùn)練過程：

1）在一個(gè)sentence前設(shè)置特殊符號[CLS]，然后在要輸入的兩個(gè)sentence中間設(shè)置[SEP]分隔符號；

2）將兩個(gè)sentence連同特殊符號一起輸入到BERT中；

3）將[CLS]輸入BERT后得到的embedding，再把它輸入linear Classifier中，得到class。

如圖所示，假設(shè)gravity的token序號是17，即，我們現(xiàn)在有一個(gè)問題通過QA Model后得到的s=17，e=17，那么答案就是為gravity；

同理，假設(shè)within a cloud的序號順序是77到79，即到 ,我們現(xiàn)在有一個(gè)問題通過QA Model后得到的s=77，e=79，那么答案就是為within a cloud。

https://arxiv.org/abs/1905.05950

https://openreview.net/pdf?id=SJzSgnRcKX

這張圖顯示了BERT從0-24層的層數(shù)在針對不同的NLP任務(wù)上的表現(xiàn)。

https://d4mucfpksywv.cloudfront.net/better-language-models/language_models_are_unsupervised_multitask_learners.pdf

而所謂的GPT,它其實(shí)就是Transformer的Decoder。

我們簡單的描述下GPT的訓(xùn)練過程：這里我們input<BOS>這個(gè)token和潮水，想要GPT預(yù)測輸出“退了”這個(gè)詞匯。

1）首先輸入[BOS]（begin of sentence）和潮水，通過Word Embedding再乘上matrix W變成a 1到a 4，然后把它們丟進(jìn)self-attention 層中，這時(shí)候每一個(gè)input都分別乘上3個(gè)不同的matrix產(chǎn)生3個(gè)不同的vector，分別把它們命名為q，k，v。

q代表的是query (to match others用來去匹配其它的向量)

k代表的是key (to be matched用來去被query匹配的向量)

v代表的是value(information to be extracted用來被抽取的信息的向量)

2）現(xiàn)在要做的工作就是用每個(gè)query q 去對每個(gè) key k做attention（吃2個(gè)向量，輸出就是告訴你這2個(gè)向量有多么匹配或者可以說輸入兩個(gè)向量輸出一個(gè)分?jǐn)?shù)alpha（而怎么去吃2個(gè)向量output一個(gè)分?jǐn)?shù)，有很多不同的做法））。這里要預(yù)測潮水的下一個(gè)詞，所以乘，乘上 , 乘上再經(jīng)過soft-max分別得到到。

3)我們用和每一個(gè)v相乘，和相乘加上和相乘。以此類推并相加，最終得到。

4)然后經(jīng)過很多層的self-attention，預(yù)測得到”退了”這個(gè)詞匯。

同理，現(xiàn)在要預(yù)測”退了”的下一個(gè)詞匯，按照前面的流程可以得到，然后經(jīng)過很多層的self-attention層，得到”就”這個(gè)詞匯。

GPT的神奇之處在于它可以在完全沒有訓(xùn)練數(shù)據(jù)的情況下，就可以做到閱讀理解，摘要，翻譯。折線圖中顯示了它在參數(shù)量上升的情況下，F(xiàn)1的值的效果。

1.Transformer的問題：

word Embedding 無上下文

監(jiān)督數(shù)據(jù)太少

解決方法：

Contextual Word Embedding

2.ELMo( E mbeddings from L anguages Mo del)

- 多層雙向的LSTM的NNLM

- RNN-based language models(trained from lots of sentences)

ELMo的問題：

Contextual Word Embedding作為特征

不適合特定任務(wù)

3.OpenAI GPT的改進(jìn)

根據(jù)任務(wù)Fine-Tuning

使用Transformer替代RNN/LSTM

OpenAI GPT的問題：

單向信息流的問題

Pretraining(1)和Fine-Tuning(2)不匹配

解決辦法：

Masked LM

NSP Multi-task Learning

Encoder again

Tips：

- 使用中文模型

- max_seq_length可以小一點(diǎn)，提高效率

- 內(nèi)存不夠，需要調(diào)整train_batch_size

- 有足夠多的領(lǐng)域數(shù)據(jù)，可以嘗試Pretraining

四、內(nèi)在什么引擎

ChatGPT是一款基于神經(jīng)網(wǎng)絡(luò)的預(yù)訓(xùn)練應(yīng)答引擎。它使用多層的雙向的循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM），通過預(yù)先訓(xùn)練回答問題的話題和對話上下文。ChatGPT使用數(shù)據(jù)集GPT-2 來對對話（包括問答）進(jìn)行預(yù)訓(xùn)練，從而可以產(chǎn)生更準(zhǔn)確，更有信息量和更有表現(xiàn)力的應(yīng)答式會話。

以上就是關(guān)于gpt2如何訓(xùn)練相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。