从零实现诗词GPT大模型：专栏内容规划_如何用gpt生成一首诗

一、前情介绍

本系列文章将从头编写一个类GPT的深度学习模型，并在诗词数据集上进行训练，从而可以进行诗词创作。
本次实现的类GPT模型，可以在kaggle上使用免费GPU进行训练，并可以在自己的电脑上进行推理，整个学习过程中不会有任何必须使用付费GPU才能训练的情况。

本系列文章虽然是以实现一个诗词创作GPT为主线，理论上你可以迁移到任何你想要的场景；并且在实现完诗词GPT后，本系列也会介绍一些Transformer在视觉方面的应用。

在介绍的最后，贴一张图展示一下学习到最后你可以达成的一个效果，如果你仔细鉴赏了以下自动创作的诗，就会发现生成的内容并不是无意义的词组拼接，而是具备连贯性和一定的意义，该诗表达了作者GPT在春暖花开的季节里酒后对家乡的思念之情(手动狗头)；当然，细心的朋友可能注意到了，这首诗它还挺押韵的！

二、内容规划

从系列文章将从头进行代码编写，并且在内容中会穿插一些对基础知识的讲解，所以不必担心会有整不明白的地方。

内容规划如下：

• 介绍一下咱们要使用的数据集，并且对数据集进行预处理。
• 介绍一下pytorch深度学习框架，主要是针对还不了解深度学习或者pytorch的朋友。
• 简单介绍一下GPT模型，了解GPT到底是怎么生成内容的。
• 讲解并实现GPT的核心Transformer架构。
• 重点讲解自注意力机制，让你不仅会写Transformer架构，还能对自注意力机制有一个充分的理解。
• 学习完Transformer后，就开始编码一个类GPT的模型了，并在编写的过程中讲解GPT模型的数据处理流程。
• 模型准备好了，还得有数据加载代码，这里会使用诗词数据集写一个符合咱们模型训练的数据加载器。
• 准备好模型和数据集加载后，咱们就开始编写训练代码，并且在本地验证训练代码的可行性。
• 写完训练过程还没完，还得有个测试过程，这里会一步一步实现文字生成的代码编写，在集成到训练过程中，以便咱们在训练过程中了解模型的生成能力。
• 开始训练！这里将会介绍kaggle的使用，并且利用kaggle上免费的GPU算力来训练咱们的GPT。
• 模型训练好后，咱们在本地搭建一个简单的web服务器，可以在网页上进行诗词创作（就像上面的效果图那样）。

下一章：《从零实现诗词GPT大模型：数据集介绍和预处理》