CogView整体图解

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。

目录

一、总括

二、数据集输入（token）

三、Transformer（GPT）

四、TransformerLayer

五、Self Attention

六、MLP

---

一、总括

---

二、数据集输入（token）

1、生成

由cogdata生成二进制数据集（生成token）

cogdata用法：GitHub - Sleepychord/cogdata: A light-weight data management system for large-scale pretraining

2、token

text通过SentencePiece模型生成text token；image通过一个离散化的AE(Auto-Encoder)转换为image token。

token作用在于将text和image变成尽量意义独立的小块，便于后面映射到token空间（类似于词向量的表达阿巴阿巴），而在这里对于image的意义就更大了，因为把一张大的图变成多个小块，减轻了后续网络的计算量。

3、data and label

因为是从左到右预测，比如说第一个token输入得到预测的第二个token再与目标的第二个token进行比对得到loss（所以labels比tokens延后一位）

下面的代码在pretrain_gpt2.py中（其中的labels为比对target；tokens为输入的token数据）

def get_batch(data_iterator, args, timers):#获取该batch的数据
    # Items and their type.
    keys = ['text', 'loss_mask']
    datatype = torch.int64

    # Broadcast data.
    timers('data loader').start()
    if data_iterator is not None:
        data = next(data_iterator)
    else:
        data = None
    timers('data loader').stop()

    data_b = mpu.broadcast_data(keys, data, datatype)
    # Unpack.解压数据
    tokens_ = data_b['text'].long()
    loss_mask = data_b['loss_mask'].float()#这个loss mask应该是服务于继续训练的那种吧（如果一开始训练应该为None）
    labels = tokens_[:, 1:].contiguous()#目标
    loss_mask = loss_mask[:, 1:].contiguous()
    tokens = tokens_[:, :-1].contiguous()#输入token
    #因为是从左到右预测，比如说第一个token输入得到预测的第二个token再与目标的第二个token进行比对得到loss（所以labels比tokens延后一位）
    attention_mask = None

    # Get the masks and postition ids.获得位置编码，attention mask 和 loss mask
    attention_mask, loss_mask, position_ids = get_masks_and_position_ids(
        tokens,
        loss_mask=loss_mask,
        attention_mask=attention_mask,
        args=args
        )
    # Convert转为半精度
    if args.fp16:
        attention_mask = attention_mask.half()

    return tokens, labels, loss_mask, attention_mask, position_ids

---

三、Transformer（GPT）

细节，代码解析等详见CogView中网络结构的总体构建_tt丫的博客-CSDN博客

​​​​​总括图上的Transformer（GPT）

word embeddings转为词向量；Transformer为主体网络结构：从左到右预测token（前一个token推出下一个token），有多个Tansformer block（layer）组成。

 该图中的Transformer又可按下面的细分（不稀疏处理）

 细节，代码解析等详见CogView中的Transformer_tt丫的博客-CSDN博客

 其中单层的TransformerLayer：见四

---

四、TransformerLayer

细节，代码解析等详见CogView中的单层TransformerLayer_tt丫的博客-CSDN博客

运用了两次残差结构（便于实现非常高复杂度的模型，并且有助于解决梯度消失和梯度爆炸问题），同时还运用了LayerNorm用于维稳。

其中的Self Attention：见五

其中的MLP：见六

---

五、Self Attention

细节，代码解析等详见CogView中的Self Attention_tt丫的博客-CSDN博客

使网络学习关注某个重要的信息点

这里加入的attention mask是为了从左到右预测而服务的（下三角）

---

六、MLP

细节，代码解析等详见CogView中的MLP_tt丫的博客-CSDN博客

---

 欢迎大家在评论区进行批评指正，谢谢~