AI說書 - 從0開始 - 171 | 模型參數探索

我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

整理目前手上有的素材：

• 準備資料集：AI說書 - 從0開始 - 162 | 準備Pretrain模型需要的資料
• 準備必備函數庫：AI說書 - 從0開始 - 163 | 準備Pretrain模型需要的函數庫
• Tokenizer 前言：AI說書 - 從0開始 - 164 | Tokenizer 前言
• 訓練自己的 Tokenizer：AI說書 - 從0開始 - 165 | 訓練自己的Tokenizer
• 保存訓練好的 Tokenizer：AI說書 - 從0開始 - 166 | 保存訓練好的 Tokenizer
• Tokenizer 使用方式：AI說書 - 從0開始 - 167 | Tokenizer 使用方式
• GPU 及 CUDA 確認：AI說書 - 從0開始 - 168 | GPU 資源確認
• 編輯模型的 Config 檔：AI說書 - 從0開始 - 169 | 編輯模型的 Config 檔
• 初始化模型：AI說書 - 從0開始 - 170 | 初始化模型

初始化模型後，可以檢視模型參數的總數量：

print(model.num_parameters())

結果如下：

也可以用另一種方式來做檢視：

LP = list(model.parameters()) 
lp = len(LP) 
print(lp)

結果如下：

這讓人好奇 106 代表什麼意涵：

for p in range(0,lp): 
	print(LP[p])

結果是一大串矩陣，列出一部分如下所示：