GPT系列初探

GPT1

其实出现在BERT前，也算是现在大规模预训练模型的开始，奈何效果没有bert好，所有反而没有bert出名，它用的是一个decoder的架构去做的预训练，是一个自回归的模型。

gpt预训练的一个目标函数有两个，第一个是基础的下一个词预测任务，选择一个K窗口，将窗口中的K个词的embedding作为条件去预测下一个词

第二个是一个分类任务，一段话给一个标签，然后去预测这标签

他作为预训练微调时的目标函数是这两个函数的和

他在下接下游任务的时候，是将输入放入到transformer的decoder中，跟bert一样，使用预训练的参数，然后将特征加入到后续的一个FFN中，如下图所示：

他的层数是12层加768维，bert就是为了跟他做对比实验，才将自己的参数设置成这样的。

 GPT2

 GPT2是open ai为了回应bert，所做的一个反击，他首先是参数量大大增加了，bert large的参数总量也就是3.4亿，但是GPT2直接跳到了15亿，他的模型结构是基本没有变的，只是增加了层数参数，但是在模型架构训练目标函数上和1没有区别，他的卖点是 zero-shot也就是不需要微调，我的任何任务直接能拿来就用，正是因为zero-shot的设定，它没有在输入上加那些特殊符号，而是用一个text做前缀提示后续输入的形式，做法就是跟T5是一样的，可以看我上一篇文章。他的数据集是一个自己爬的超大的数据集。下面是它模型参数第一个设定，可以看出，非常大。

GPT3

3代模型就更大了，但是架构上他基本是就是按照12代做的，模型结构上区别也不大，模型训练和2也没太大区别，就是一个多任务的学习，GPT一共有1750亿个参数，模型大小是bert的上百倍，gpt3可以做zero-shot，也可以做one-shot，也可以做few-shot，顾名思义，一个是不需要微调，一个是用一个句子做微调，另一个是只用三两句句子做微调，其实他不做微调也不仅仅是因为特点，我觉得也有很大是因为，普通人办法去微调他，1750亿个参数太夸张了，你要跑一次这个模型，是不可以的，所有只能这样去使用它，

他的一个prompt是箭头，用来提示你可以进行一个任务预测了，任何前面再加上一个TEXT-TEXT形式的输入提示。

 GPT的参数量是非常夸张的。

数据集它自己做了一个从redit上爬下来的自己清洗过的数据集，任何把gpt123bert的数据集全都用上了。

数据量也非常夸张。他基本是就是gpt2一个上百倍体量的版本，

不得不说，大力出奇迹。