本科生 60 行代码教你手搓 GPT 大模型，技术介绍堪比教程 ...

ove兲使哋寶赑

机器之心报道
机器之心编辑部
GPT 模型实现起来有时也很简单。
5 ~4 ^( E, a( [6 V当前，大型语言模型（LLM）被认为是人工智能突破的方向。人们正在尝试用它们做各种复杂的事情，比如问答、创作、数学推理以及编写代码等。近段时间 ChatGPT 持续的爆火是最好的例证。
9 E& \7 X9 A- Y! m9 c然而，对于机器学习从业者来说，大模型的门槛很高：因为体量太大难以训练，很长时间里这个方向一直被大公司垄断。不过最近，简化 GPT 模型的方法越来越多了。1 月中旬，前特斯拉 AI 高级总监 Andrej Karpathy（现已回归 OpenAI）就发布了从零开始构建 GPT 模型的完整教程。不过训练出的 GPT 和 OpenAI 的 GPT-3 比较，两者规模差距达 1 万 - 100 万倍。
近日，加拿大麦克马斯特大学的一位软件工程本科生 Jay Mody 在导入 NumPy 库下，仅用 60 行代码就从头实现了一个 GPT 模型，并将其命名为 PicoGPT。不仅如此，他还将经过训练的 GPT-2 模型权重加载到自己的实现中，并生成了一些文本。下面为 60 行代码展示。
+ U$ j: @2 Y; Y- r2 K3 X9 ~* D. ]
* O4 E2 w+ Y# z# s  j

不过要做到这些，你需要熟悉 Python 和 NumPy，还要有一些训练神经网络的基本经验。作者表示，这篇博客旨在对 GPT 进行简单易懂的完整介绍。因此，作者只使用已经训练的模型权重来实现前向传递代码。
# u* n+ p: u3 g& I. ~$ Q: S
# F- q* U; L0 e: ^! ~

代码地址：
3 S$ h, l' a$ Xhttps://github.com/jaymody/picoGPT/blob/29e78cc52b58ed2c1c483ffea2eb46ff6bdec785/gpt2_pico.py#L3-L58
对于此项研究，Andrej Karpathy 给出了四个字：虽迟但到。想当初，Karpathy 构建的 minGPT 和 nanoGPT 还要 300 行代码。
# o4 l( l! u, h' e7 ]# y

, b$ N7 R5 M( W6 f
1 ]. z/ s  M) c; I) U, q# {3 X  M  ^值得一提的是，这篇教程不是完全零门槛的。为了让读者明白，作者首先介绍了什么是 GPT、它的输入、输出如何等其他内容，介绍得都非常详细。
; }) g8 N3 l( |  c  H. `

& r$ |/ o+ P, I
至于 GPT 到底能干什么，作者给出了几个示例，它能写电子邮件、总结一本书、给你 instagram 标题的想法、向 5 岁的孩子解释黑洞、用 SQL 编写代码等。
5 I0 z2 L. a8 Z3 z通过仔细阅读这部分内容后，你能大致了解 GPT 的一些基础知识。有了这些背景介绍，接下来就是如何设置了。
$ j# {( {8 `$ t% G项目介绍
) N  m0 J' C2 ^* K% ~设置
这一章节主要介绍了如何设置编码器、超参数以及参数。
2 q- G7 f, `2 |* B* h5 d

; e$ N, }9 B/ J4 Q" e% d5 d$ U3 Z
你要做的，首先是克隆代码库：
" Q: `6 y, @7 h; J: N1 Z* n( I
/ k8 s% G# }4 ~' y6 Y2 X/ J

6 {' {5 R& B& f. q# g- i) r然后安装依赖项：

) Z5 o% Y% M, U2 S
. |& X! Z$ ~; F6 W5 c
注意，如果你使用的是 M1 Macbook，在运行 pip install 之前，你需要在 requirements.txt 中将 tensorflow 更改为 tensorflow-macos。在这个项目下，文件包括 encoder.py、utils.py、gpt2.py、gpt2_pico.py：
; h5 x% F  Q% K  cencoder.py：包含 OpenAI BPE Tokenizer 的代码，直接取自 gpt-2 repo；
gpt2.py：包含 GPT 模型和生成代码，可以将其作为 python 脚本运行；
gpt2_pico.py：与 gpt2.py 相同，但是代码行数更少。
6 M4 g! b& K( t7 }0 [5 u9 X: U其中 gpt2.py 需要从头开始实现，因此你要做的是先删除 gpt2.py 并重新创建一个空文件：


; Y# U# `* g# W, d0 ~
然后将下列代码复制到 gpt2.py 中：
$ f1 X( M$ O2 r' f7 ]: V" a


上述代码包含 4 个主要部分：
! m' A* F& `5 zgpt2 函数是本次实现 GPT 的实际代码；
generate 函数实现自回归解码算法；
main 函数；
( l. j1 D5 M3 g9 bfire.Fire ( main ) 将文件转换为 CLI 应用程序，以便最终可以运行代码：python gpt2.py "some prompt here"。
. s5 a4 B& W* T5 xmain 函数包含有 encode、hparams、params 参数，执行下列代码：
; M+ v2 B8 @  j- I


; p9 E) n/ k5 C8 D设置完成之后，作者开始介绍编码器、超参数、参数的一些细节内容。就拿编码器来说，本文的编码器和 GPT-2 使用的 BPE tokenizer 一样。下面是该编码器编码和解码的一些文本示例：



' ^% `% [: z& z# c" z实际的 token 长这个样子：

* Y+ H. j/ N) h% ~; @
" X; W9 V3 V/ K  y8 C4 Z
需要注意，有时 token 是单词（例如 Not），有时它们是单词但前面有一个空格（例如 all， 代表一个空格），有时是单词的一部分（例如 capes 被拆分为 cap 和 es ) ，有时它们是标点符号（例如 .）。
BPE 的一个好处是它可以对任意字符串进行编码，如果遇到词汇表中不存在的内容，它会将其分解为它能理解的子字符串：

" A+ x# M; d+ @9 _' A  o) M, V( @
0 T# A3 D! t% s# q
更细节的内容不再赘述。接下来介绍基础神经网络，这一部分就更加基础了，主要包括 GELU、Softmax 函数以及 Layer Normalization 和 Linear。



: r: b5 w% o4 @4 T. j$ I9 _0 A每一小部分都有代码示例，例如在 Linear 部分，作者展示了标准矩阵乘法 + 偏置：

. J2 i7 ]& o1 V6 G% N
, o& n$ ?$ E9 Q# M+ G" E
  T% ]* B6 w- E8 L( f* n线性层从一个向量空间投影到另一个向量空间的代码如下：
7 q' L3 X: C5 P5 U- s( [

  ?, V$ Y2 S& n# a0 Y$ T; o- }
GPT 架构
这部分介绍 GPT 自身架构。

( o9 z: F% n* g/ ?2 i! D8 }

Transformer 架构如下：
9 R& q" p5 |9 R# K% E

# B) A. [3 D  t
5 f) Z9 N+ h: a! C. l( Z. J9 n; QTransformer 仅使用解码器堆栈（图的右侧部分）：

: `' U- W! B) Q

0 r8 k# I! G! l需要注意，由于摆脱了编码器，中间的交叉注意力层也被删除了。
在高层次上，GPT 体系架构有以下三个部分：
文本 + 位置嵌入；
Transformer 解码器堆栈；
1 o; w, r8 p, c( W9 A  P9 ~2 Y投影到词汇表。
代码就像下面这样：

2 ~! {4 D5 d6 T+ b' I% U* B* l1 w
1 W3 E( J) w& l* @7 z; p! Q/ q
代码部分截图
接下来更详细地分解以上三个部分中的每一个部分，这里也不再赘述。
以上就是作者对 GPT 的实现，接下来就是将它们组合在一起并运行代码，得到 gpt2.py。它的全部内容只有 120 行代码（如果删除注释和空格，则为 60 行）。
作者通过以下方式测试结果：



4 h6 M( a' m2 m输出结果如下：

# {" i  j/ U( e& C
8 ]: F+ o1 ~% ^- ?" j0 W( D
; t. J7 m. k* b正如作者说的：这次实验成功了。
本文只是跟着作者的思路大概介绍了整体流程，想要了解更多内容的小伙伴，可以参考原文链接。
原文链接：https://jaykmody.com/blog/gpt-from-scratch/#basic-layers
" W8 V" h$ J4 p2 T9 n$ m全面学习 ChatGPT，机器之心准备了 89 篇文章合集
这是一份全面、系统且高质量的 ChatGPT 文章合集，我们筛选出来了 89 篇相关文章，设计了阅读框架与学习路径，大家可以根据自己的需求进行浏览与研读。合集内容包括：
. M* Y' R4 b' y" D  O3 LChatGPT 及 OpenAI 大事件时间轴
$ q; w' }: a6 @% u- ~$ @. Q1 i# Z概念 · 真正搞懂 ChatGPT：共 3 篇文章
' A$ c) O: p1 j0 T; f. r研究 · GPT 家族更迭：共 16 篇文章
+ W8 E# j' Q7 e3 B% k八年 · OpenAI 的历史与现在：共 13 篇文章
! v5 s; L, F( R! a) y" w干货 · GPT 相关研究与技术：共 18 篇文章
& _# E8 v& D4 n7 {# o; ]! ^* B2 q+ A观点 · 专家谈 ChatGPT：共 8 篇文章
1 d/ ]2 U' A/ n( v7 ~( A0 e行业 · 应用与探索：共 23 篇文章
  q$ e- M( s& U2 T+ G行业 · 同类产品：共 8 篇文章
; Z' P9 g9 w0 }2 S7 S% K THE END
  S2 ^( ^. n; ^) Z' M投稿或寻求报道：content@jiqizhixin.com