GPT-2介绍

GPT-2介绍

GPT-2（Language Models are Unsupervised Multitask Learners）。在上文中，我们介绍了GPT-1的模型搭建流程。GPT-1采用的是无监督预训练+有监督微调的两阶段形式生成特定任务的模型。而GPT-2舍弃了GPT-1的有监督微调阶段，仅仅使用无监督预训练获取一个适应多种下游任务的通用语言模型。其实GPT-2的这种思路符合Prompt学习策略。

GPT-2的训练思路

GPT-2旨在训练出一个通用的语言模型，能够在不进行fine-tuning的情况下仍然能够较好地处理文本翻译、摘要提取、文本分类等常见的下游任务。GPT-2认为在基于大量高质量数据预训练的过程中，模型已经学习到了各种任务的相关信息。

比如训练语料中有““Mentez mentez, il en restera toujours quelque chose,” which translates as, “Lie lie and something will always remain.””这么一段话，通过预训练过程，模型已经有能力进行翻译（translate）任务，只是需要一个合适的引导。即在推理阶段给模型一个任务相关的提示（prompt），比如 “translate English to French”。

GPT-2模型的改进

• 无需构造有监督样本进行fine-tuning，也能在文本翻译、摘要生成等多个下游任务取得不错的效果。

• Layer Normalization 移动到了每个 Sub-Block 的输入部分，在每个 Self-Attention 之后额外添加了一个 Layer Normalization，最终顺序是：LN, Self-Attention , LN。

• 采用一种改进的初始化方法，该方法考虑了残差路径与模型深度的累积。在初始化时将 residual layers 的权重按$1/\sqrt{N}$。的因子进行缩放，其中$N$是 residual layers 的数量。

• 无监督预训练可看到的上下文的 context 由512扩展为1024。

• Batch Size 大小调整为512。

• 字典大小设置为50257。

GPT-2的数据集

GPT-2使用的是WebText数据集，包含了4500万个链接的文本数据集。经过重复数据删除和一些基于启发式的清理后，它包含略多于800万个文档，总文本容量为 40GB。

GPT-2的规模

最小的模型和 GPT 大小相当，第二小的模型和最大的 BERT 大小相当。最大的模型叫做 GPT-2，它的参数比 GPT 多一个数量级。但即便如此，在 WebText 上任然是欠拟合的。

M代表百万。1M的参数量对应的模型大概40MB。

模型大小	层数	维度
117M	12	768
345M	24	1024
762M	36	1280
1542M	48	1600