GPT的训练方法是使用因果掩码(causal mask),让模型在预测当前令牌时不能看到未来的令牌。
在Transformer模型中,自注意力(self-attention)是在整个令牌(token)序列上计算的,包括当前令牌之后的令牌。
在训练期间,我们不希望模型在预测当前令牌时看到未来的令牌而“作弊”。 为了防止这种情况,我们使用了因果掩码(causal mask),将所有未来的令牌设置为零,有效地从注意力机制中屏蔽了它们。
这使得模型在进行预测时只能关注过去和当前的令牌,并确保它仅基于每个时间步骤可用的信息进行预测。
具体实现中,这种掩码可以通过原始输入和一个合适的上三角矩阵相乘(或者逻辑与)来得到。
# Causal mask
causal_mask = torch.triu(torch.ones(input_shape[1], input_shape[1]), diagonal=1).bool().to(input.device)
例如,这句话:Cat is too fat. 会生成如下矩阵(假设窗口无限大):
Cat <PAD> <PAD> <PAD>
Cat is <PAD> <PAD>
Cat is too <PAD>