300行代碼實現(xiàn)“迷你版GPT”，上線三天收獲3.3k星
本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。
“GPT并不是一個復(fù)雜的模型。”
前OpenAI科學(xué)家、現(xiàn)任特斯拉AI總監(jiān)的Andrej Karpathy在自己的GitHub項目里這樣寫道。
Karpathy這樣說是有底氣的，因為他自己只用大約300行PyTorch代碼就實現(xiàn)了一個“小型GPT”——minGPT。該項目上線3天以來，已經(jīng)收獲了3.3k星。
“萬能”的NLP模型GPT-3這一個月來已經(jīng)刷爆社交網(wǎng)絡(luò)，不過1750億個參數(shù)對算力的超高要求也讓人望而卻步。
但是在Karpathy看來，GPT所做的事情就是將一個索引序列放入一個transformer塊序列中，并得出下一個索引的概率分布。其余的復(fù)雜部分只是通過巧妙地進行批處理讓訓(xùn)練更高效。
談到為何要開發(fā)minGPT，Karpathy本人在項目文檔里說，他是為了讓GPT做到小巧、簡潔、可解釋且具有教育意義，因為當前大多數(shù)可用的GPT工具都有些龐大。
如果原版的GPT是一艘巨型戰(zhàn)艦，那么minGPT就是一艘快艇。小快靈是minGPT的特點，你不能指望它去“打仗”。minGPT的作用是教育目的，讓你熟悉GPT的原理。
現(xiàn)在，minGPT已經(jīng)能夠進行加法運算和字符級的語言建模，更強大的功能還在進一步開發(fā)中。
minGPT項目內(nèi)容
minGPT實現(xiàn)大約包含300行代碼，包括樣板代碼和完全不必要的自定義因果自注意力模塊。
minGPT的核心庫包含兩個重要的文件：
- mingpt/model.py包含實際的Transformer模型定義
- mingpt/trainer.py是獨立于GPT的訓(xùn)練模型的PyTorch樣板
為了防止初學(xué)者犯難，Karpathy在repo中還隨附3個Jupyter Notebook文件，教你如何使用這個庫來訓(xùn)練序列模型：
- play_math.ipynb用于訓(xùn)練專注于加法的GPT（這部分是受GPT-3論文中加法部分的啟發(fā)）；
- play_char.ipynb用于將GPT訓(xùn)練為任意文本上的字符級語言模型，類似于作者以前的char-rnn，但它使用的是Transformer而不是RNN；
- play_words.ipynb是一個字節(jié)對編碼（BPE）版本，目前尚未完成。
有了這些代碼并不意味著你能立刻復(fù)現(xiàn)出OpenAI的幾個GPT預(yù)訓(xùn)練模型。
Karpathy表示，使用BPE編碼器、分布式訓(xùn)練以及fp16，才可能復(fù)現(xiàn)GPT-1/GPT-2的結(jié)果，不過他本人還沒有嘗試過。（Karpathy在這句話后面寫著$$$，可能是沒錢吧。）
至于現(xiàn)在最火的GPT-3，可能無法實現(xiàn)，因為Karpathy認為是它不適合GPU顯存，而且需要更精細的模型并行處理。
minGPT的API用法示例如下：
- # you're on your own to define a class that returns individual examples as PyTorch LongTensors
- from torch.utils.data import Dataset
- train_dataset = MyDataset(...)
- test_dataset = MyDataset(...)
- # construct a GPT model
- from mingpt.model import GPT, GPTConfig
- mconf = GPTConfig(vocab_size, block_size, n_layer=12, n_head=12, n_embd=768) # a GPT-1
- model = GPT(mconf)
- # construct a trainer
- from mingpt.trainer import Trainer, TrainerConfig
- tconf = TrainerConfig(max_epochs=10, batch_size=256)
- trainer = Trainer(model, train_dataset, test_dataset, tconf)
- trainer.train()
- # (... enjoy the show for a while... )
- # sample from the model (the [None, ...] and [0] are to push/pop a needed dummy batch dimension)
- from mingpt.utils import sample
- x = torch.tensor([1, 2, 3], dtype=torch.long)[None, ...] # context conditioning
- y = sample(model, x, steps=30, temperature=1.0, sample=True, top_k=5)[0]
- print(y) # our model filled in the integer sequence with 30 additional likely integers
如果你有合適的硬件和數(shù)據(jù)集，不妨去試試吧。
關(guān)于Karpathy
提供minGPT的Andrej Karpathy今天才33歲，但已經(jīng)是特斯拉的AI高級總監(jiān)，負責(zé)領(lǐng)導(dǎo)自動駕駛神經(jīng)網(wǎng)絡(luò)團隊。
在跳槽到特斯拉之前，他是OpenAI的科學(xué)家，主要研究計算機視覺、生成模型和強化學(xué)習(xí)中的深度學(xué)習(xí)。
Karpathy在2011-2015年期間進入斯坦福大學(xué)攻讀博士學(xué)位，他的導(dǎo)師就是李飛飛。讀博期間，他發(fā)表的多篇論文都是CV領(lǐng)域的高引文章，還在Google、DeepMind兩家公司實習(xí)過。
而且斯坦福大學(xué)的著名計算機課程CS231n就是他和李飛飛一起設(shè)計的，Karpathy不僅是該課程的助教，也是主講人之一。
無論是當年的CS231n課程還是他的GitHub項目，都有很高的人氣。如此大牛的人物，他寫的GPT代碼你不去看看嗎？
minGPT項目地址：
https://github.com/karpathy/minGPT
Andrej Karpathy個人主頁：
https://karpathy.ai/
