知识卡片
GPT-2无监督下游处理
GPT 处理下游任务要靠有监督微调,GPT-2 则改用无监督方式:不改变模型结构,也不更新权重,只通过改写输入来引导模型。做法是在输入里加入针对任务的引导字符,让模型按提示继续预测。这种零样本式处理能成立,与 GPT-2 容量更大(约 15 亿参数,是 GPT 的十倍)以及训练数据更广、更通用、质量更高有关。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第15章 用GPT-2生成文本 · 查看原书依据
GPT-2在做下游无监督任务的时候,不改变模型结构,也不更新权重参数,而是通过修改输入方式来实现。对于不同类型的输入,加入一些引导字符,引导GPT-2正确地预测目标。
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第15章 用GPT-2生成文本(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter19_0001.xhtml)
- 结论依据:15.1 节对比 GPT 与 GPT-2 的下游处理方式,并给出参数规模与数据质量作为原因。
- 原始内容:GPT-2在做下游无监督任务的时候,不改变模型结构,也不更新权重参数,而是通过修改输入方式来实现。对于不同类型的输入,加入一些引导字符,引导GPT-2正确地预测目标。