GPT-2 的“提示”可以输入多少个字符

Question

我正在使用 github 的 OpenAI GPT-2 model

我认为 top_k 参数决定了采样的令牌数量。 这也是指示可以给出多大提示的参数吗？

如果top_k = 40，提示可以有多大？

Answer 1

GPT-2 不适用于字符级别，但适用于子词级别。 训练的文本段的最大长度为 1,024 个子词。

它使用基于byte-pair-encoding的词汇表。 在这样的编码下，频繁的词保持不变，不频繁的词被分成几个单元，最终下降到字节级别。 在实践中，分割看起来像这样（69 个字符，17 个子词）：

Hello , ▁Stack Over flow ! ▁This ▁is ▁an ▁example ▁how _a ▁string ▁gets ▁segment ed .

在训练时，提示和答案没有区别，所以唯一的限制是提示和答案的总和不能超过 1024 个子词。 理论上，您可以继续生成超出此范围，但 model 认为的历史永远不会更长。

top_k的选择仅影响 memory 要求。 长查询还需要更多 memory，但这可能不是主要限制