为了学习，我用TensorFlow.js重做了Karpathy的minGPT的一个简化版本（生成式预训练Transformer）。

这个自创的GPT语言模型的完整定义可以在单个model.ts文件里找到（不到300行代码）。

由于 model.ts 是用 TypeScript 编写的，你可以使用 自制 GPT 实验室 对它进行训练，调整参数，并直接在浏览器中，使用 GPU 生成预测结果。

该模型和实验环境用于学习，以便了解GPT的工作方式以及用WebGPU来训练。

想了解model.ts里的内容，可以观看Andrei Karpathy的动手实操的讲座"如何从零开始构建GPT：一步步用代码实现"，这可能是关于GPT的最佳解释。

GPT 目录

在./gpt/src/文件夹里，你可以找到以下文件：

• model.ts - 这是最重要的文件，因为它包含了 GPT 解码器模型的完整（但精简）定义，正如《Attention Is All You Need》论文中描述的那样。
• model-easier.ts - 这与前一个文件中的 GPT 模型相同，但为了更容易理解而进行了简化。主要区别在于它在 CausalSelfAttention 中按顺序处理所有的 Heads（而不是并行处理）。因此，模型运行稍慢，但更易读。
• config.ts - 包含预配置的 GPT 模型参数集：GPT-pico、GPT-nano、GPT-mini、GPT-2 等。
• dataset.ts - 这里没有特定的 GPT 相关内容。一个基于任意 txt 文件的字符级数据集的辅助包装器。它加载任意的 txt 文件，将每个字母视为一个 token，将字符拆分成训练和测试批次，并对字母进行编码解码为索引，反之亦然，从索引解码为字母。
• trainer.ts - 这里也没有特定的 GPT 相关内容。该文件提供了一个简单的训练循环，可以应用于任何神经网络。

网页实验场

你可以使用Homemade GPT JS实验平台进行模型参数实验、训练和文本生成。

描述

你也可以选择在本地启动 playground，以便修改和试验 transformer 模型的代码。

安装依赖项。

npm i  # 安装依赖

全屏 退出全屏

启动本地 web 实验室：

    npm run playground-web

点击全屏显示。点击退出全屏。

这个自制的GPT-JS平台可以通过http://localhost:3000/homemade-gpt-js访问。

运行这些命令，从项目根目录开始。你需要使用 Node.js ≥ 20.0.0。

Node.js 实验室

您也可以在 Node.js 环境中测试模型。

安装依赖项。

npm i  // 安装依赖包 (Install dependencies)

切换到全屏模式，退出全屏

启动 Node.js 实验区：

在终端中输入以下命令来启动 playground-node：`npm run playground-node`

点击进入全屏，然后退出全屏

该文件位于GitHub仓库中，展示了如何用自制的GPT模型来进行基础的训练和文本生成。

在项目根目录下运行这些命令。请确保已安装 Node.js 20.0.0 或更高版本。

此处为空

希望这个基于TS的GPT示例能帮助你学习。