simple-llm/doc/gpt_documentation_ru.md

Документация по GPT модели

1. Общее описание

GPT (Generative Pre-trained Transformer) - это авторегрессивная модель генерации текста на основе архитектуры трансформера.

Ключевые особенности реализации:

• Поддержка различных режимов генерации (жадный поиск, сэмплирование)
• Многослойный декодер с механизмом самовнимания
• Оптимизированная работа на CPU/GPU
• Гибкая настройка параметров генерации
• Поддержка комбинированных стратегий (top-k + top-p)

2. Архитектура и алгоритм

2.1 Полная блок-схема

graph TD
    A[Входные токены] --> B[Токенные эмбеддинги]
    A --> C[Позиционные эмбеддинги]
    B --> D[Сумма эмбеддингов + Dropout]
    C --> D
    D --> E[Стек декодеров]
    E --> F[Многоголовое самовнимание]
    F --> G[Add & Norm]
    G --> H[FeedForward]
    H --> I[Add & Norm]
    I --> J[Выходные логиты]
    J --> K[Выбор следующего токена]
    K --> L[Добавление к последовательности]

2.2 Режимы генерации

1. Жадный поиск (do_sample=False):

   • Всегда выбирает токен с максимальной вероятностью
   • Детерминированный результат

2. Вероятностное сэмплирование (do_sample=True):

   • С температурой (temperature=0.5-1.5)
   • Top-k (top_k=10-100)
   • Nucleus sampling (top_p=0.7-0.95)
   • Комбинированный режим (top_k + top_p)

3. Практическое использование

3.1 Инициализация модели

from simple_llm.transformer.gpt import GPT

model = GPT(
    vocab_size=10000,    # Размер словаря
    max_seq_len=512,     # Макс. длина контекста
    emb_size=768,        # Размерность эмбеддингов
    num_heads=12,        # Число голов внимания
    head_size=64,        # Размерность головы
    num_layers=6,        # Количество слоев декодера
    dropout=0.1,         # Вероятность dropout
    device='cuda'        # 'cpu' или 'cuda'
)

3.2 Генерация текста

output = model.generate(
    input_ids,           # Входные токены [batch_size, seq_len]
    max_new_tokens=50,    # Макс. число новых токенов
    do_sample=True,      # Режим сэмплирования
    temperature=0.9,     # Контроль случайности (0.1-2.0)
    top_k=50,            # Ограничение по топ-k токенам
    top_p=0.9,           # Параметр nucleus sampling
    repetition_penalty=1.2, # Штраф за повторения
    stop_tokens=None     # Токены для остановки генерации
)

3.3 Примеры использования

Базовый пример:

text = "Анализ данных - это"
input_ids = tokenizer.encode(text)
output_ids = model.generate(input_ids, max_new_tokens=100)
generated_text = tokenizer.decode(output_ids[0])

Креативная генерация:

output = model.generate(
    input_ids,
    max_new_tokens=100,
    do_sample=True,
    temperature=1.3,
    top_k=60,
    top_p=0.85
)

4. Оптимизация и настройка

4.1 Рекомендуемые параметры

Тип задачи	Параметры
Точные ответы	temp=0.7, top_k=40, top_p=0.8
Креативная письмо	temp=1.2, top_k=60, top_p=0.9
Кодогенерация	temp=0.8, top_k=50, top_p=0.85

4.2 Производительность

Для CPU:

model = GPT(
    emb_size=256,
    num_layers=4,
    num_heads=8,
    device='cpu'
)

Для GPU:

model = GPT(
    emb_size=1024,
    num_layers=12,
    device='cuda'
)

5. Ограничения и решения

Ограничение	Решение
Длинные последовательности	Чанкование входных данных
Высокая загрузка памяти	Уменьшение batch_size
Повторы в генерации	Настройка repetition_penalty
Медленная генерация	Кэширование ключей/значений

6. Обучение модели

Метод fit() позволяет обучать модель GPT на ваших данных.

6.1 Параметры обучения

model.fit(
    train_loader,       # DataLoader с обучающими данными
    valid_loader=None,  # Опциональный DataLoader для валидации
    num_epoch=10,       # Количество эпох
    learning_rate=0.001 # Скорость обучения
)

6.2 Пример обучения

from torch.utils.data import DataLoader, TensorDataset

# Создание синтетических данных
inputs = torch.randint(0, 10000, (1000, 32))  # 1000 примеров по 32 токена
targets = torch.roll(inputs, -1, dims=1)      # Сдвиг на 1 токен вперед

dataset = TensorDataset(inputs, targets)
train_loader = DataLoader(dataset, batch_size=32)

model = GPT(...)  # Инициализация модели
model.fit(train_loader, num_epoch=5)

6.3 Особенности обучения

• Автоматическое определение устройства (CPU/GPU)
• Сохранение истории потерь в атрибутах:
  • model.train_loss - потери на обучении
  • model.validation_loss - потери на валидации (если есть)
• Поддержка ранней остановки (через callback)

7. Дополнительные материалы

• Примеры использования
• Пример обучения
• Тесты
• Оптимизация производительности