关于多任务的decision transformer

整体的目标是

修改好代码实现GPT在多个数据集的训练

了解数据集结构D4RL

pkl文件

了解GPT的结构

gpt2

The Illustrated Transformer
在这里插入图片描述
GPT为纵向堆叠了12层decoder而成
GPT-2 就像传统的语言模型一样,一次只输出一个单词(token)
在这里插入图片描述

在这里插入图片描述

masked self-attention这里的mask指的是sequence mask

这里需要注意的一点很重要的事,transformer很重要的一点是,图中的纵向的线条都是并行的,但是注意一下GPT的输出是单个的字符,并不一定指的是原有的sequence的后面,可以是任何的东西。
当然如果有L2loss放在输出和下一个词语的时候,用于监督学习的时候,确实可以是学到后面的东西的。

在这里插入图片描述

每一层的decoder block都是一个masked self-attention 和一个feed forward neural network
详细的内容见

http://jalammar.github.io/illustrated-gpt2/

在这里插入图片描述

关于attention mask
attention mask

了解训练的模式

用expermient的get batch 得到
值得注意的是,act_dim和state_dim是根据env而变化
这里主要计划是看一下prompt dt的解决方法

设计训练的逻辑和代码

训练代码并进行数据对比

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值