入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。

目录

一、构建图

二、代码解析

1、__init__

（1）参数设定

（2）Word embeddings (parallel)

（3）Transformer

2、forward

（1）Word embeddings (parallel)

（2）Transformer

（3）Parallel logits

（4）串行 or 并行输出

---

一、构建图

---

二、代码解析

这部分代码在model/gpt2_modeling.py中

1、__init__

（1）参数设定

•  num_layers：transformerLayer的层数；
• vocab_size：词典大小；
• hidden_size：输入层大小；
• num_attention_heads：attention head的数目；
• embedding_dropout_prob：embedding的dropout概率；
• attention_dropout_prob：self attention的dropout概率；
• output_dropout_prob：输出的的dropout概率；
• max_sequence_length：最大序列长度（每次读入的序列长度）；
• checkpoint_activations：是否启用检查点激活；
• checkpoint_num_layers：checkpoint层数；
• parallel_output：output是串行or并行；
• query_window：稀疏处理的窗口大小；
• key_window_times：用于调节稀疏处理中的窗口数量；
• num_pivot：稀疏处理中的token总数；

class GPT2Model(torch.nn.Module):"""GPT-2 Language model.The output of the forward method are the logits (parallel orserial depending on the `parallel_output` flag."""def __init__(self,num_layers,vocab_size,hidden_size,num_attention_heads,embedding_dropout_prob,attention_dropout_prob,output_dropout_prob,max_sequence_length,max_memory_length,checkpoint_activations,checkpoint_num_layers=1,parallel_output=True,query_window=128,key_window_times=6,num_pivot=768):super(GPT2Model, self).__init__()self.parallel_output = parallel_outputinit_method = init_method_normal(std=0.02)#初始化方法为高斯分布（均值为0，方差为0.02）

（2）Word embeddings (parallel)

        # Word embeddings (parallel).self.word_embeddings = mpu.VocabParallelEmbedding(vocab_size, hidden_size, init_method=init_method)

详见CogView中的Word embeddings (parallel)_tt丫的博客-CSDN博客

（3）Transformer

        # Transformerself.transformer = mpu.GPT2ParallelTransformer(num_layers,hidden_size,num_attention_heads,max_sequence_length,max_memory_length,embedding_dropout_prob,attention_dropout_prob,output_dropout_prob,checkpoint_activations,checkpoint_num_layers,query_window=query_window,key_window_times=key_window_times,num_pivot=num_pivot)

详见CogView中的Transformer_tt丫的博客-CSDN博客

2、forward

    def forward(self, input_ids, position_ids, attention_mask, txt_indices_bool, img_indices_bool, is_sparse, *mems):

（1）Word embeddings (parallel)

shape为(b,s,h)

补：b——batch size；s——sequence length；h——hidden_size；

        # Embeddings.words_embeddings = self.word_embeddings(input_ids)embeddings = words_embeddings

（2）Transformer

        # Transformer.transformer_output = self.transformer(embeddings, position_ids, attention_mask, txt_indices_bool, img_indices_bool, is_sparse, *mems)logits, *hidden_layers = transformer_output#logits为output；*hidden_layers为*mem

（3）Parallel logits

        # Parallel logits.logits_parallel = mpu.copy_to_model_parallel_region(logits)#传递到模型并行区域logits_parallel = F.linear(logits_parallel,self.word_embeddings.weight)#线性变化

最终shape为(b,s,h)*(v/p,h)^T=(b,s,v/p)

v——vocab_size；p——number of partitions；

（4）串行 or 并行输出

        if self.parallel_output:#并行return (logits_parallel, *hidden_layers)return (mpu.gather_from_model_parallel_region(logits_parallel), *hidden_layers)#串行

---

欢迎大家在评论区批评指正，谢谢~