241124_基于MindSpore学习GPT1
在实际中，往往未标注的文本数据远多于已标注的，这些未标注的文本数据无法投入训练，又浪费
提出了一种方法，基于大量未标注的文本数据，训练预训练语言模型，学习到一些general的特征。然后使用已标注的文本数据，对模型针对某一特定下游任务进行finetune，微调，仅更改output layer，就是GPT1
存在问题：多元的下游任务难以有统一的优化目标。同时较难将预训练模型学到的信息传递到下游任务中。
这里就体现出来和bert的区别
bert两个任务：一个完形填空，一个上下文判断
gpt1只能实现单向的任务，根据前向的词判断后面的词，在文本生成的任务中表现较好
两个模型都是基于transformer衍生的分支，bert是双向的，需要看到前后文的整体信息，使用的是encoder结构，gpt1是单向的，看不到当前词后面的内容，用的decoder结构。
这里我们可以看到，右侧decoder结构中，中间那一层multihead attention层是用于处理从encoder中拿来的信息的，我们在gpt中没有encoder结构，所以此处也不需要这个多头注意力了，所以gpt使用的decoder是从transformer的decoder中去除了中间那层Multi-Head Attention。
Fine-Tuning
在已经训练好的gpt上额外加一层线性层。然后使用已经标注好的数据进行训练
这样出来的结果是模型自己计算出来的label，然后和正确的label进行计算误差，通过缩小目标与计算结果的误差进行模型优化
后续优化过程中发现，采用下述优化方式模型收敛速度更快
这里的L1说是最开始宏观的产生的output，具体实现如下：
根据下游任务的不同，输入和线性层可能会做一些改变
classification分类任务。entailment推理任务。similarity判断相似任务，multiple choice多项选择任务。
这里面要注意，在Similarity任务判断相似性中，只用一组就只能实现单向对比，比如第一行，只能判断1像不像2，但不能判断2像不像1，所以我们就要送一对进去。
在Multiple Choice任务中，每次都是问题和其中一个选项进行比较，然后通过Linear输出一个logits，最后我们把几个logits拿来进行比较，哪个大就输出哪个。
打卡截图：
