GPT-2算法详解
一、背景
自从transformer出来之后，后面的算法基本上都是基于这个为基础，比如bert是以Encode层，GPT系列的GPT、GPT2、GPT3都是Decode层，下面我们主要讲解一下GPT-2。
1、论文
论文名字：《Language Models are Unsupervised Multitask Learners》
论文地址：Language Models are Unsupervised Multitask Learners
2、论文发表时间
时间：2019年2月
团队：openAI、特斯拉老板马斯克的公司
3、源码
源码：https://github.com/openai/gpt-2
官网：https://www.openai.com/blog/better-language-models/
二、架构
1、架构图
:注意：
GPT 使用 Transformer 的 Decoder 结构，并对 Transformer Decoder 进行了一些改动，原本的 Decoder 包含了两个 Multi-Head Attention 结构，GPT 只保留了 Mask Multi-Head Attention
2、网络结构参数
因为GPT-2在刚开始的时候openAI并没有开源，而是分了四个阶段放出来，每次放出来的预训练模型参数也不一样。
网络层数：24层
参数个数：15亿
参数文件大小：
训练数据大小：40G
最大上下文字数：1024
三、GPT-2相对于GPT的改进
GPT-2依然沿用GPT单向transformer的模式，只不过做了一些改进与改变。那GPT-2相对于GPT有哪些不同呢？看看下面几方面：
1. 增加数据集：
既然要博览群书，当然得先有书，所以GPT-2收集了更加广泛、数量更多的语料组成数据集。该数据集包含800万个网页，大小为40G。当然这些数据集是过滤后得到的高质量文本，这样效果才能更好的哦~
2. 增加网络参数：
GPT-2将Transformer堆叠的层数增加到48层，隐层的维度为1600，参数量更是达到了15亿。15亿什么概念呢，Bert的参数量也才只有3亿哦~当然，这样的参数量也不是说谁都能达到的，这也得取决于money的多少啊~
3. GPT-2去掉了fine-tuning层：
不再针对不同任务分别进行微调建模，而是不定义这个模型应该做什么任务，模型会自动识别出来需要做什么任务。这就好比一个人博览群书，你问他什么类型的问题，他都可以顺手拈来，GPT-2就是这样一个博览群书的模型。
4. 调整transformer：
将layer normalization放到每个sub-block之前，并在最后一个Self-attention后再增加一个layer normalization。
5. 其他：
GPT-2将词汇表数量增加到50257个；最大的上下文大小 (context size) 从GPT的512提升到了1024 tokens；batchsize增加到512。
6.Byte-level字节对编码
四、删除finue-tune直接做下游任务
1、Reading Comprehension：
使用 CoQA 数据集。输入是 document + conversation history + A: 来引导出答案。
2、Summarization：
用 TL;DR: 引导出摘要。
3、Translation：
为了引导模型做翻译，先找一个英法句子对 (en1, fr1)，然后想翻译英语句子 en 的时候，输入是 en1 = fr1 + en =，期待模型自己通过类比知道人类是想让他做翻译。结果模型真的悟出了一点儿道，fr-en 的翻译结果是 11.5 BLEU。这一结果是令人震惊的，因为模型在预训练的时候就没见过法语。用一个 byte-level language detector(https://github.com/CLD2Owners/cld2) 做更详细的分析发现，预训练的数据里混入了 10 MB 法语语料。考虑到语料的量级很少，这一结果依然是令人震惊的。
4、Natural Questions：
也是一个 QA 任务，为引导模型做问答，先搞一个 example qa pair (q1, a1)，然后给模型输入 q1 + a1 + q，模型就会回答出 q 的答案。
