300行代码实现“迷你版GPT”，上线三天收获3.3k星

 本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，行代现迷星转载请联系出处。码实

“GPT并不是上线一个复杂的模型。”

前OpenAI科学家、天收现任特斯拉AI总监的行代现迷星Andrej Karpathy在自己的GitHub项目里这样写道。

Karpathy这样说是码实有底气的，因为他自己只用大约300行PyTorch代码就实现了一个“小型GPT”——minGPT。上线该项目上线3天以来，天收已经收获了3.3k星。行代现迷星

“万能”的码实NLP模型GPT-3这一个月来已经刷爆社交网络，不过1750亿个参数对算力的上线超高要求也让人望而却步。

但是天收在Karpathy看来，GPT所做的行代现迷星事情就是将一个索引序列放入一个transformer块序列中，并得出下一个索引的码实概率分布。其余的上线复杂部分只是通过巧妙地进行批处理让训练更高效。

谈到为何要开发minGPT，Karpathy本人在项目文档里说，他是为了让GPT做到小巧、简洁、源码库可解释且具有教育意义，因为当前大多数可用的GPT工具都有些庞大。

如果原版的GPT是一艘巨型战舰，那么minGPT就是一艘快艇。小快灵是minGPT的特点，你不能指望它去“打仗”。minGPT的作用是教育目的，让你熟悉GPT的原理。

现在，minGPT已经能够进行加法运算和字符级的语言建模，更强大的功能还在进一步开发中。

minGPT项目内容

minGPT实现大约包含300行代码，包括样板代码和完全不必要的自定义因果自注意力模块。

minGPT的核心库包含两个重要的文件：

mingpt/model.py包含实际的Transformer模型定义 mingpt/trainer.py是独立于GPT的训练模型的PyTorch样板

为了防止初学者犯难，云服务器提供商Karpathy在repo中还随附3个Jupyter Notebook文件，教你如何使用这个库来训练序列模型：

play_math.ipynb用于训练专注于加法的GPT（这部分是受GPT-3论文中加法部分的启发）； play_char.ipynb用于将GPT训练为任意文本上的字符级语言模型，类似于作者以前的char-rnn，但它使用的是Transformer而不是RNN； play_words.ipynb是一个字节对编码（BPE）版本，目前尚未完成。

有了这些代码并不意味着你能立刻复现出OpenAI的几个GPT预训练模型。

Karpathy表示，使用BPE编码器、分布式训练以及fp16，才可能复现GPT-1/GPT-2的结果，不过他本人还没有尝试过。（Karpathy在这句话后面写着$$$，可能是没钱吧。）

至于现在最火的GPT-3，可能无法实现，因为Karpathy认为是它不适合GPU显存，而且需要更精细的模型并行处理。

minGPT的服务器租用API用法示例如下：

# youre 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 

如果你有合适的硬件和数据集，不妨去试试吧。

关于Karpathy

提供minGPT的Andrej Karpathy今天才33岁，但已经是特斯拉的AI高级总监，负责领导自动驾驶神经网络团队。

在跳槽到特斯拉之前，他是OpenAI的科学家，主要研究计算机视觉、生成模型和强化学习中的深度学习。

Karpathy在2011-2015年期间进入斯坦福大学攻读博士学位，他的导师就是李飞飞。读博期间，他发表的多篇论文都是CV领域的高引文章，还在Google、DeepMind两家公司实习过。

而且斯坦福大学的著名计算机课程CS231n就是他和李飞飞一起设计的，Karpathy不仅是该课程的助教，也是主讲人之一。

无论是当年的CS231n课程还是他的GitHub项目，都有很高的人气。如此大牛的人物，他写的GPT代码你不去看看吗？

minGPT项目地址：

https://github.com/karpathy/minGPT

Andrej Karpathy个人主页：

https://karpathy.ai/