当前位置:   article > 正文

GPT和GPT2结构的区别_gpt结构图

gpt结构图

GPT1结构图如下所示:
GPT1示意图片GPT2结构图如下:
GPT2结构示意图注意,GPT2的最后一个LayerNorm在24个transformers或是12个transformers结构之后添加的,
这里layernormalization放在前面类似于预激活函数的设定,在另外一篇文章Identity mappings in deep
residual networks.
这里在Idenity mapping in deep residual networks之中有推导过程,这里简单的写一下
原始残差单元计算公式如下:
y l = h ( x l ) + F ( x l , W l ) ( 1 ) y_{l} = h(x_{l})+F(x_{l},W_{l})(1) yl=h(xl)+F(xl,Wl)(1)
x l + 1 = f ( y l ) ( 2 ) x_{l+1} = f(y_{l}) (2) xl+1=f(yl)(2)
l为第l个单元输入的特征
其中F代表残差函数,我们假设函数h为恒等变换,则将(2)代入(1)中可以获得
x l + 1 = x l + ∑ i = 1 L − 1 F ( x l , W l ) ( 3 ) x_{l+1} = x_{l}+ \sum\limits_{i=1}^{L-1}F(x_{l},W_{l}) (3) xl+1=xl+i=1L1F(xl,Wl)(3)
通过反向传播的链式法则进行求导,可以得到结果
∂ E ∂ x L = ∂ E ∂ x L ∗ ∂ x L ∂ x l = ∂ E ∂ x L ( 1 + ∂ ∂ x l ∑ i = 1 L − 1 F ( x i , W i ) ) \frac{\partial E}{\partial x_{L}} = \frac{\partial E}{\partial x_{L}} * \frac{\partial x_{L}}{\partial x_{l}} = \frac{\partial E}{\partial x_{L}}(1+\frac{\partial }{\partial x_{l}}\sum \limits_{i=1}^{L-1}F(x_{i},W_{i})) xLE=xLExlxL=xLE(1+xli=1L1F(xi,Wi))
如果说这里的 h ( x l ) h(x_{l}) h(xl)不为恒等函数的情况下
∂ E ∂ x L = ∂ E ∂ x L ∗ ∂ x L ∂ x l = ∂ E ∂ x L ( ∑ i = 1 L − 1 x i + ∂ ∂ x l ∑ i = 1 L − 1 F ( x i , W i ) ) \frac{\partial E}{\partial x_{L}} = \frac{\partial E}{\partial x_{L}} * \frac{\partial x_{L}}{\partial x_{l}} = \frac{\partial E}{\partial x_{L}}( \sum\limits_{i=1}^{L-1}x_{i}+\frac{\partial}{\partial x_{l}}\sum \limits_{i=1}^{L-1}F(x_{i},W_{i})) xLE=xLExlxL=xLE(i=1L1xi+xli=1L1F(xi,Wi))

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/小小林熬夜学编程/article/detail/364178
推荐阅读
相关标签
  

闽ICP备14008679号