GPT模型介绍
GPT与BERT一样也是一种预训练模型,与BERT不同的是,GPT使用的是Transformer的Decoder结构。在大量没有标号的数据上训练出一个预训练模型,然后少量有标号的数据上微调训练一个中下游任务的模型。在微调的时候构造与任务相关的输入,就可以很少地改变模型的架构。
无监督训练方式
使用一个标准的语言模型训练方式来进行无监督训练,就是给定一个句子,使用前k-1个词来预测第k个词,假设一个句子
U
=
{
u
1
,
u
2
,
.
.
.
,
u
n
}
U=\left \{ u_{1}, u_{2},...,u_{n} \right \}
U={u1,u2,...,un},来最大化似然函数:
L
1
(
U
)
=
∑
i
l
o
g
P
(
u
i
∣
u
i
−
k
,
u
i
−
k
+
1
,
.
.
.
,
u
i
−
1
;
θ
)
L1(U)=\sum_{i}^{} logP(u_{i}|u_{i-k},u_{i-k+1},...,u_{i-1};\theta)
L1(U)=i∑logP(ui∣ui−k,ui−k+1,...,ui−1;θ)
每一次拿k-1个词,来预测后面的那一个词。
模型结构
模型使用的是Transformer的Decoder解码器,解码器与编码器不同的是,解码器在计算注意力机制的时候会加入一个掩码mask,使得模型在对某个词计算自注意力机制的时候无法看到其后面的词,只能抽取前面词的信息,编码器Encoder没有掩码,对某个词计算自注意力时,它能看到整个序列的所有信息,BERT使用的是Encoder,所以BERT可以做完形填空的任务,抽取前后词的信息来预测中间词,而GPT只能预测后面的词。由于预测未来要比预测中间要难得多,所以导致GPT的效果不如BERT。模型计算公式如下:
h
0
=
U
W
e
+
W
p
h_{0}=UW_{e}+W_{p}
h0=UWe+Wp
h
l
=
t
r
a
n
s
f
o
r
m
e
r
b
l
o
c
k
(
h
l
−
1
)
h_{l}=transformerblock(h_{l-1})
hl=transformerblock(hl−1)
P
(
u
)
=
s
o
f
t
m
a
x
(
h
n
W
e
T
)
P(u)=softmax(h_{n}W_{e}^{T})
P(u)=softmax(hnWeT)
transformerblock是Transfomer模型的解码器,如果不了解Transformer,建议先了解一下Transformer结构。
W
e
W_{e}
We是词的Embedding表示,
W
p
W_{p}
Wp是位置编码,Transformer使用固定的位置编码,而BERT和GPT均使用可训练的位置编码,其中u是当前要预测的词,U是当前词的前k个词。
微调
在训练好预训练模型后,就要用于下游任务,基于有标号的数据X,一个数据
x
=
{
x
1
,
x
2
,
.
.
.
,
x
m
}
x=\left \{ x^{1},x^{2},...,x^{m} \right \}
x={x1,x2,...,xm} 其标签是y,将其输入到训练好的模型中,得到最后一步的结果
h
l
m
h_{l}^{m}
hlm,然后经过一个全连接层以及softmax激活函数,来预测它的类别,公式表示如下:
P
(
y
∣
x
1
,
x
2
,
.
.
.
,
x
m
)
=
s
o
f
t
m
a
x
(
h
l
m
W
y
)
P(y| x^{1},x^{2},...,x^{m})=softmax(h_{l}^{m}W_{y})
P(y∣x1,x2,...,xm)=softmax(hlmWy)
来最大化如下似然函数:
L
2
(
C
)
=
∑
(
x
,
y
)
l
o
g
P
(
y
∣
x
1
,
x
2
,
.
.
.
,
x
m
)
L_{2}(C)=\sum_{(x,y)}^{}logP(y|x^{1},x^{2},...,x^{m})
L2(C)=(x,y)∑logP(y∣x1,x2,...,xm)
对于分类任务,我们只关注这个似然函数L2就可以,但是如果把之前语言模型的似然函数L1也用上效果也不错,
L
3
(
C
)
=
L
2
(
C
)
+
λ
∗
L
1
(
C
)
L_{3}(C)=L_{2}(C)+\lambda* L_{1}(C)
L3(C)=L2(C)+λ∗L1(C)
λ
\lambda
λ是一个超参数。我们最大化这个L3似然函数效果是最佳的,当前只考虑L2也是可以的。
下游任务输入形式
分类任务
对文本开头加一个开始标识符,结尾加上一个抽取标识符,将其输入Transformer解码器,最后的这个抽取标识符得到的结果在经过一个全连接层即可进行分类,使用最后一个标识符的原因是最后一个标识符可以抽取前面所有词的信息。
蕴含任务
给一段话,然后给一个假设,判断这段话有没有蕴含假设提出的内容。
比如假设是a喜欢b,给出的这段话是a喜欢b,那么这段话是支持这个假设的,如果给出这段话是a讨厌b,那么这段话不支持这个假设,如果给出的这段话是a和b是邻居,那么既不支持也不反对,其实本质也是一个三分类任务。将两句话拼接起来,最开始加上开始符,中间加上分隔符,最后加上抽取符。
相似任务
判断两段话是否相似,也是需要将两段话拼接起来,前边加上开始符,中间分隔符,最后抽取符。相似是一个对称问题,a与b相似,那么b与a也是相似的,所以需要将两句话交换个位置,构造两个序列输入模型,将两个结果相加经过全连接层进行分类。
选择题
给定一个问题,以及对应的几个答案,让模型选出正确答案,有N个答案就构造如图所示的N个序列,分别输入模型,得到N个结果再分别输入N个全连接层,全连接层输出大小为1,这N个输出中,最大的我们认为是正确答案。
GPT-2
使用了更大的数据集进行训练,增大模型,模型参数达到了15亿。并且提出了zero-shot的观点。一般的预训练模型都是训练好以后,需要根据不同的任务去进行微调,还需要有标号的数据,在拓展到一个新的任务上时有一定的成本,GPT2还是做语言模型,但在运用到下游任务的时候,使用一个zero-shot的设定,拓展到其他任务时,不需要下游任务的任何标号信息,也不需要去微调模型,预训练结束后,在很多任务都可以使用。那么在训练数据就需要多做研究,比如想要把英语翻译成法语,那么训练数据需要是这样的(translate to french,english text,french text),比如想要模型回答问题,训练数据就是这样的(answer the question,document,question,answer),将各种任务对应的数据合并起来一起训练进行多任务学习,那么模型在处理下游任务时就不需要微调,直接完成任务。在使用模型时,加入你想让它将英文翻译成法语,则输入(translate to french,english text,),后面的内容就让模型自动生成就可以了。将数据输入模型,让其生成下一个字符,然后将该字符拼接到原数据再次输入模型,再生成下一个字符,直到生成结束标识符,预测结束。
GPT-3
又继续增大了模型,达到了1750亿个参数,提出了few-shot的设定。由于模型已经非常大了,所以在作用到下游任务时也不需要进行微调。few-shot在运用到下游任务时需要给出少量有标号的数据,但是也不对模型进行更新,将问题描述与少量有标号的数据拼接起来输入模型进行预测。
pytorch实现一个小型GPT中文闲聊系统
使用大小50万的数据集,由于算力有限,我只用了其中的24万条,数据集地址:50w中文闲聊数据集地址
(需要科学上网!)或者百度网盘百度网盘,提取码jk8d
数据集长这个样子,由空行隔开每一次对话,需要将数据进行处理,每次对话内容放在一行中,每句话使用\t分隔开,把数据放在一行这样才能使模型每次预测下一个词,处理后的数据dataset.txt是这个样子。
一般的seq2seq模型的对话系统,只能根据一句话来生成一句话,而GPT模型更优,可以把前边的对话信息考虑进来,因为训练数据是把好几轮对话放在一行中,在生成新的回答时,会考虑到之前的信息。
下边是代码实现:
generate_data.py
with open('train.txt','r',encoding='utf-8') as f:
lines = f.readlines()
train_datas = []
temp_data = ''
for line in lines:
if line!='\n':
line = line.strip()
temp_data+=(line+'\t')
else:
train_datas.append(temp_data)
temp_data=''
with open('dataset.txt','w',encoding='utf-8') as f:
for train_data in train_datas:
f.write(train_data+'\n')
这个文件是处理原始数据集的,生成dataset.txt文件,算力有限,只取了一部分数据,长度大于300的数据也舍弃了。
get_vocab.py
import json
def get_dict(datas):
word_count ={}
for data in datas:
data = data.strip().replace('\t','')
for word in data:
word_count.setdefault(word,0)
word_count[word]+=1
word2id = {"<pad>":0,"<unk>":1,"<sep>":2}
temp = {word: i + len(word2id) for i, word in enumerate(word_count.keys())}
word2id.update(temp)
id2word=list(word2id.keys())
return word2id,id2word
if __name__ == '__main__':
with open('dataset.txt','r',encoding='utf-8') as f:
datas = f.readlines()
word2id, id2word = get_dict(datas)
dict_datas = {"word2id":word2id,"id2word":id2word}
json.dump(dict_datas, open('dict_datas.json', 'w', encoding='utf-8'))
该文件是来生成字典信息的
gpt_model.py
import json
import torch
import torch.utils.data as Data
from torch import nn, optim
import numpy as np
import time
from tqdm import tqdm
device = torch.device("cuda")
dict_datas = json.load(open('dict_datas.json', 'r'))
word2id, id2word = dict_datas['word2id'], dict_datas['id2word']
vocab_size = len(word2id)
max_pos = 1800
d_model = 768 # Embedding Size
d_ff = 2048 # FeedForward dimension
d_k = d_v = 64 # dimension of K(=Q), V
n_layers = 6 # number of Encoder of Decoder Layer
n_heads = 8 # number of heads in Multi-Head Attention
CLIP = 1
def make_data(datas):
train_datas =[]
for data in datas:
data=data.strip()
train_data = [i if i!='\t' else "<sep>" for i in data]+['<sep>']
train_datas.append(train_data)
return train_datas
class MyDataSet(Data.Dataset):
def __init__(self,datas):
self.datas = datas
def __getitem__(self, item):
data = self.datas[item]
decoder_input = data[:-1]
decoder_output = data[1:]
decoder_input_len = len(decoder_input)
decoder_output_len = len(decoder_output)
return {"decoder_input":decoder_input,"decoder_input_len":decoder_input_len,
"decoder_output":decoder_output,"decoder_output_len":decoder_output_len}
def __len__(self):
return len(self.datas)
def padding_batch(self,batch):
decoder_input_lens = [d["decoder_input_len"] for d in batch]
decoder_output_lens = [d["decoder_output_len"] for d in batch]
decoder_input_maxlen = max(decoder_input_lens)
decoder_output_maxlen = max(decoder_output_lens)
for d in batch:
d["decoder_input"].extend([word2id["<pad>"]]*(decoder_input_maxlen-d["decoder_input_len"]))
d["decoder_output"].extend([word2id["<pad>"]]*(decoder_output_maxlen-d["decoder_output_len"]))
decoder_inputs = torch.tensor([d["decoder_input"] for d in batch],dtype=torch.long)
decoder_outputs = torch.tensor([d["decoder_output"] for d in batch],dtype=torch.long)
return decoder_inputs,decoder_outputs
def get_attn_pad_mask(seq_q, seq_k):
'''
seq_q: [batch_size, seq_len]
seq_k: [batch_size, seq_len]
seq_len could be src_len or it could be tgt_len
seq_len in seq_q and seq_len in seq_k maybe not equal
'''
batch_size, len_q = seq_q.size()
batch_size, len_k = seq_k.size()
# eq(zero) is PAD token
pad_attn_mask = seq_k.data.eq(0).unsqueeze(1) # [batch_size, 1, len_k], True is masked
return pad_attn_mask.expand(batch_size, len_q, len_k) # [batch_size, len_q, len_k]
def get_attn_subsequence_mask(seq):
'''
seq: [batch_size, tgt_len]
'''
attn_shape = [seq.size(0), seq.size(1), seq.size(1)]
subsequence_mask = np.triu(np.ones(attn_shape), k=1) # Upper triangular matrix
subsequence_mask = torch.from_numpy(subsequence_mask).byte()
subsequence_mask=subsequence_mask.to(device)
return subsequence_mask # [batch_size, tgt_len, tgt_len]
class ScaledDotProductAttention(nn.Module):
def __init__(self):
super(ScaledDotProductAttention, self).__init__()
def forward(self, Q, K, V, attn_mask):
'''
Q: [batch_size, n_heads, len_q, d_k]
K: [batch_size, n_heads, len_k, d_k]
V: [batch_size, n_heads, len_v(=len_k), d_v]
attn_mask: [batch_size, n_heads, seq_len, seq_len]
'''
scores = torch.matmul(Q, K.transpose(-1, -2)) / np.sqrt(
d_k) # scores : [batch_size, n_heads, len_q, len_k]
scores.masked_fill_(attn_mask, -1e9) # Fills elements of self tensor with value where mask is True.
attn = nn.Softmax(dim=-1)(scores)
context = torch.matmul(attn, V) # [batch_size, n_heads, len_q, d_v]
return context, attn
class MultiHeadAttention(nn.Module):
def __init__(self):
super(MultiHeadAttention, self).__init__()
self.W_Q = nn.Linear(d_model, d_k * n_heads, bias=False)
self.W_K = nn.Linear(d_model, d_k * n_heads, bias=False)
self.W_V = nn.Linear(d_model, d_v * n_heads, bias=False)
self.fc = nn.Linear(n_heads * d_v, d_model, bias=False)
self.layernorm = nn.LayerNorm(d_model)
def forward(self, input_Q, input_K, input_V, attn_mask):
'''
input_Q: [batch_size, len_q, d_model]
input_K: [batch_size, len_k, d_model]
input_V: [batch_size, len_v(=len_k), d_model]
attn_mask: [batch_size, seq_len, seq_len]
'''
residual, batch_size = input_Q, input_Q.size(0)
# (B, S, D) -proj-> (B, S, D_new) -split-> (B, S, H, W) -trans-> (B, H, S, W)
Q = self.W_Q(input_Q).view(batch_size, -1, n_heads, d_k).transpose(1, 2) # Q: [batch_size, n_heads, len_q, d_k]
K = self.W_K(input_K).view(batch_size, -1, n_heads, d_k).transpose(1, 2) # K: [batch_size, n_heads, len_k, d_k]
V = self.W_V(input_V).view(batch_size, -1, n_heads, d_v).transpose(1,
2) # V: [batch_size, n_heads, len_v(=len_k), d_v]
attn_mask = attn_mask.unsqueeze(1).repeat(1, n_heads, 1,
1) # attn_mask : [batch_size, n_heads, seq_len, seq_len]
# context: [batch_size, n_heads, len_q, d_v], attn: [batch_size, n_heads, len_q, len_k]
context, attn = ScaledDotProductAttention()(Q, K, V, attn_mask)
context = context.transpose(1, 2).reshape(batch_size, -1,
n_heads * d_v) # context: [batch_size, len_q, n_heads * d_v]
output = self.fc(context) # [batch_size, len_q, d_model]
return self.layernorm(output + residual), attn
class PoswiseFeedForwardNet(nn.Module):
def __init__(self):
super(PoswiseFeedForwardNet, self).__init__()
self.fc = nn.Sequential(
nn.Linear(d_model, d_ff, bias=False),
nn.ReLU(),
nn.Linear(d_ff, d_model, bias=False)
)
self.layernorm=nn.LayerNorm(d_model)
def forward(self, inputs):
'''
inputs: [batch_size, seq_len, d_model]
'''
residual = inputs
output = self.fc(inputs)
return self.layernorm(output + residual) # [batch_size, seq_len, d_model]
class DecoderLayer(nn.Module):
def __init__(self):
super(DecoderLayer, self).__init__()
self.dec_self_attn = MultiHeadAttention()
self.dec_enc_attn = MultiHeadAttention()
self.pos_ffn = PoswiseFeedForwardNet()
def forward(self, dec_inputs, dec_self_attn_mask):
'''
dec_inputs: [batch_size, tgt_len, d_model]
dec_self_attn_mask: [batch_size, tgt_len, tgt_len]
'''
# dec_outputs: [batch_size, tgt_len, d_model], dec_self_attn: [batch_size, n_heads, tgt_len, tgt_len]
dec_outputs, dec_self_attn = self.dec_self_attn(dec_inputs, dec_inputs, dec_inputs, dec_self_attn_mask)
dec_outputs = self.pos_ffn(dec_outputs) # [batch_size, tgt_len, d_model]
return dec_outputs, dec_self_attn
class Decoder(nn.Module):
def __init__(self):
super(Decoder, self).__init__()
self.tgt_emb = nn.Embedding(vocab_size, d_model)
self.pos_emb = nn.Embedding(max_pos,d_model)
self.layers = nn.ModuleList([DecoderLayer() for _ in range(n_layers)])
def forward(self, dec_inputs):
'''
dec_inputs: [batch_size, tgt_len]
'''
seq_len = dec_inputs.size(1)
pos = torch.arange(seq_len, dtype=torch.long,device=device)
pos = pos.unsqueeze(0).expand_as(dec_inputs) # [seq_len] -> [batch_size, seq_len]
dec_outputs = self.tgt_emb(dec_inputs) + self.pos_emb(pos) # [batch_size, tgt_len, d_model]
dec_self_attn_pad_mask = get_attn_pad_mask(dec_inputs, dec_inputs) # [batch_size, tgt_len, tgt_len]
dec_self_attn_subsequence_mask = get_attn_subsequence_mask(dec_inputs)# [batch_size, tgt_len, tgt_len]
dec_self_attn_mask = torch.gt((dec_self_attn_pad_mask + dec_self_attn_subsequence_mask), 0) # [batch_size, tgt_len, tgt_len]
dec_self_attns = []
for layer in self.layers:
# dec_outputs: [batch_size, tgt_len, d_model], dec_self_attn: [batch_size, n_heads, tgt_len, tgt_len], dec_enc_attn: [batch_size, h_heads, tgt_len, src_len]
dec_outputs, dec_self_attn = layer(dec_outputs, dec_self_attn_mask)
dec_self_attns.append(dec_self_attn)
return dec_outputs, dec_self_attns
class GPT(nn.Module):
def __init__(self):
super(GPT, self).__init__()
self.decoder = Decoder()
self.projection = nn.Linear(d_model,vocab_size)
def forward(self,dec_inputs):
"""
dec_inputs: [batch_size, tgt_len]
"""
# dec_outpus: [batch_size, tgt_len, d_model], dec_self_attns: [n_layers, batch_size, n_heads, tgt_len, tgt_len]
dec_outputs, dec_self_attns = self.decoder(dec_inputs)
# dec_logits: [batch_size, tgt_len, tgt_vocab_size]
dec_logits = self.projection(dec_outputs)
return dec_logits.view(-1, dec_logits.size(-1)), dec_self_attns
def greedy_decoder(self,dec_input):
terminal = False
start_dec_len=len(dec_input[0])
#一直预测下一个单词,直到预测到"<sep>"结束,如果一直不到"<sep>",则根据长度退出循环,并在最后加上”<sep>“字符
while not terminal :
if len(dec_input[0])-start_dec_len>100:
next_symbol=word2id['<sep>']
dec_input = torch.cat(
[dec_input.detach(), torch.tensor([[next_symbol]], dtype=dec_input.dtype, device=device)], -1)
break
dec_outputs, _ = self.decoder(dec_input)
projected = self.projection(dec_outputs)
prob = projected.squeeze(0).max(dim=-1, keepdim=False)[1]
next_word = prob.data[-1]
next_symbol = next_word
if next_symbol == word2id["<sep>"]:
terminal = True
dec_input = torch.cat(
[dec_input.detach(), torch.tensor([[next_symbol]], dtype=dec_input.dtype, device=device)], -1)
return dec_input
def answer(self,sentence):
#把原始句子的\t替换成”<sep>“
dec_input = [word2id.get(word,1) if word!='\t' else word2id['<sep>'] for word in sentence]
dec_input = torch.tensor(dec_input, dtype=torch.long, device=device).unsqueeze(0)
output = self.greedy_decoder(dec_input).squeeze(0)
out = [id2word[int(id)] for id in output]
#统计"<sep>"字符在结果中的索引
sep_indexs =[]
for i in range(len(out)):
if out[i] =="<sep>":
sep_indexs.append(i)
#取最后两个sep中间的内容作为回答
answer = out[sep_indexs[-2]+1:-1]
answer = "".join(answer)
return answer
该文件是GPT模型的实现,如果看不懂建议先去了解一下Transformer代码。
train.py
import json
import torch
import torch.utils.data as Data
from torch import nn, optim
import numpy as np
import time
from tqdm import tqdm
from gpt_model import *
def make_data(datas):
train_datas =[]
for data in datas:
data=data.strip()
train_data = [i if i!='\t' else "<sep>" for i in data]+['<sep>']
train_datas.append(train_data)
return train_datas
class MyDataSet(Data.Dataset):
def __init__(self,datas):
self.datas = datas
def __getitem__(self, item):
data = self.datas[item]
decoder_input = data[:-1]
decoder_output = data[1:]
decoder_input_len = len(decoder_input)
decoder_output_len = len(decoder_output)
return {"decoder_input":decoder_input,"decoder_input_len":decoder_input_len,
"decoder_output":decoder_output,"decoder_output_len":decoder_output_len}
def __len__(self):
return len(self.datas)
def padding_batch(self,batch):
decoder_input_lens = [d["decoder_input_len"] for d in batch]
decoder_output_lens = [d["decoder_output_len"] for d in batch]
decoder_input_maxlen = max(decoder_input_lens)
decoder_output_maxlen = max(decoder_output_lens)
for d in batch:
d["decoder_input"].extend([word2id["<pad>"]]*(decoder_input_maxlen-d["decoder_input_len"]))
d["decoder_output"].extend([word2id["<pad>"]]*(decoder_output_maxlen-d["decoder_output_len"]))
decoder_inputs = torch.tensor([d["decoder_input"] for d in batch],dtype=torch.long)
decoder_outputs = torch.tensor([d["decoder_output"] for d in batch],dtype=torch.long)
return decoder_inputs,decoder_outputs
def epoch_time(start_time, end_time):
elapsed_time = end_time - start_time
elapsed_mins = int(elapsed_time / 60)
elapsed_secs = int(elapsed_time - (elapsed_mins * 60))
return elapsed_mins, elapsed_secs
def train_step(model,data_loader,optimizer,criterion,clip=1,print_every=None):
model.train()
if print_every == 0:
print_every = 1
print_loss_total = 0 # 每次打印都重置
epoch_loss = 0
for i, (dec_inputs, dec_outputs) in enumerate(tqdm(data_loader)):
'''
dec_inputs: [batch_size, tgt_len]
dec_outputs: [batch_size, tgt_len]
'''
optimizer.zero_grad()
dec_inputs, dec_outputs =dec_inputs.to(device), dec_outputs.to(device)
# outputs: [batch_size * tgt_len, tgt_vocab_size]
outputs, dec_self_attns = model(dec_inputs)
loss = criterion(outputs, dec_outputs.view(-1))
print_loss_total += loss.item()
epoch_loss += loss.item()
loss.backward()
# 梯度裁剪
torch.nn.utils.clip_grad_norm_(model.parameters(), clip)
optimizer.step()
if print_every and (i + 1) % print_every == 0:
print_loss_avg = print_loss_total / print_every
print_loss_total = 0
print('\tCurrent Loss: %.4f' % print_loss_avg)
return epoch_loss / len(data_loader)
def train(model,data_loader):
criterion = nn.CrossEntropyLoss(ignore_index=0).to(device)
optimizer = optim.Adam(model.parameters(), lr=1e-4)
for epoch in range(epochs):
start_time = time.time()
train_loss = train_step(model, data_loader, optimizer, criterion, CLIP, print_every=10)
end_time = time.time()
torch.save(model.state_dict(), 'GPT2.pt')
epoch_mins, epoch_secs = epoch_time(start_time, end_time)
print(f'Epoch: {epoch + 1:02} | Time: {epoch_mins}m {epoch_secs}s')
print(f'\tTrain Loss: {train_loss:.3f}')
def print_num_parameters(model):
# Find total parameters and trainable parameters
total_params = sum(p.numel() for p in model.parameters())
print(f'{total_params:,} total parameters.')
total_trainable_params = sum(
p.numel() for p in model.parameters() if p.requires_grad)
print(f'{total_trainable_params:,} training parameters.')
if __name__ == '__main__':
with open('dataset.txt', 'r', encoding='utf-8') as f:
datas = f.readlines()
train_data = make_data(datas)
train_num_data = [[word2id[word] for word in line] for line in train_data]
batch_size = 8
epochs = 30
dataset = MyDataSet(train_num_data)
data_loader = Data.DataLoader(dataset, batch_size=batch_size, collate_fn=dataset.padding_batch)
model = GPT().to(device)
# model.load_state_dict(torch.load('GPT2.pt'))
train(model,data_loader)
该文件用于训练模型
demo.py
import torch
from gpt_model import GPT
if __name__ == '__main__':
device = torch.device('cuda')
model = GPT().to(device)
model.load_state_dict(torch.load('GPT2.pt'))
model.eval()
#初始输入是空,每次加上后面的对话信息
sentence = ''
while True:
temp_sentence = input("我:")
sentence += (temp_sentence + '\t')
if len(sentence) > 200:
#由于该模型输入最大长度为300,避免长度超出限制长度过长需要进行裁剪
t_index = sentence.find('\t')
sentence = sentence[t_index + 1:]
print("机器人:", model.answer(sentence))
该文件测试模型
由于本人算力有限,数据量只使用了24万多,并且模型训练epoch过少,模型效果不佳,想提高效果可以增大数据集以及训练轮次epoch
模型部分测试效果如下:
效果不算好,我训练的不太充分。