课程大纲 第 131 课,共 246 课 · 第 11 模块:有记忆的网络(RNN)
第 11 模块:有记忆的网络(RNN)

用温度采样文本

为什么重要 每一个聊天机器人都有一个“温度”设置。它只是一次除法,用安全而重复的文本去换取多变而更有风险的文本。

为了挑出下一个字符,一个模型会用 softmax 把它的分数变成概率。先把分数除以一个温度 T,会改变这个分布有多尖:T 小于 1 会让它更尖锐(最受青睐的那个更常胜出),T 大于 1 会让它更平坦(意外变得更有可能)。

熵,即 p log p 之和的负数,衡量一个分布有多分散:当一个选择是确定的时候为 0,当 n 个选择都等可能时为 ln(n)。

你将在一个真实的被记录的模型上测量它:课程中那个在自己的课文上训练的小型 GPT。

本课中的词语和符号
温度
在 softmax 之前除分数:小于 1 更尖锐,大于 1 更平坦
熵
一个分布有多分散:确定时为 0,n 个选择都相等时为 ln(n)
轮到你了

把 my_order 设为按熵从低到高排序的温度 0.5、1.0 和 2.0(你的预测)。然后为一行分数编写 entropy_at(scores, T),并为每个温度,用模型在给定上下文上的下一个字符分布的平均熵填写 measured。

发现这节课有问题?报告它 · 就这节课提问

这个练习即将开放

完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。