Grundlagen zum Transformer

Einführung in LLMs mit Python

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Was ist ein Transformer?

Deep-Learning-Architekturen

Illustration von drei Transformer-Architekturen: nur Encoder, nur Decoder und Encoder-Decoder

Illustration von drei Transformer-Architekturen: nur Encoder, nur Decoder und Encoder-Decoder

Details zur Architektur in der Model Card von Hugging Face

Encoder-only illustration

Verständnis des eingegebenen Textes

Encoder-only illustration

llm = pipeline(model="bert-base-uncased")
print(llm.model)

BertForMaskedLM(
  (bert): ...
    )
    (encoder): BertEncoder(
      ...

print(llm.model.config)

BertConfig {
...
  "architectures": [
    "BertForMaskedLM"
...

Encoder-only illustration

print(llm.model.config.is_decoder)

False

Oder auch: llm.model.config.is_encoder_decoder

Decoder-only illustration

Fokus wird auf Ausgabe gelegt

Decoder-only illustration

llm = pipeline(model="gpt2")
print(llm.model.config)

GPT2Config {
...
  "architectures": [
    "GPT2LMHeadModel"
  ],
...
  "task_specific_params": {
    "text-generation": {
...

print(llm.model.config.is_decoder)

False

Encoder-Decoder-Illustration

Verständnis und Verarbeitung von Eingabe und Ausgabe

Encoder-Decoder-Illustration

llm = pipeline(model="Helsinki-NLP/opus-mt-es-en")
print(llm.model)

MarianMTModel(
...
    (encoder): MarianEncoder(
...
    (decoder): MarianDecoder(
...

Encoder-Decoder-Illustration

print(llm.model.config)

MarianConfig {
...
  "decoder_attention_heads": 8,
...
  "encoder_attention_heads": 8,
...
  "is_encoder_decoder": true,
...

print(llm.model.config.is_encoder_decoder)

True

Einführung in LLMs mit Python