参考：
李宏毅机器学习--self-supervised：BERT、GPT、Auto-encoder-CSDN博客
用无标注资料的任务训练完模型以后，它本身没有什么用，GPT 1只能够把一句话补完，可以把 Self-Supervised Learning 的 Model做微微的调整，把它用在其他下游的任务裡面，对于下游任务的训练，仍然需要少量的标记数据。
GPT1基本实现
例如有条训练语句是“台湾大学”，那么输入BOS后训练输出是台，再将BOS和"台"作为输入训练输出是湾，给它BOS "台"和"湾"，然后它应该要预测"大"，以此类推。模型输出embedding h，h再经过linear classification和softmax后，计算输出分布与正确答案之间的损失cross entropy，希望它越小越好。
详细计算过程：
GPT1和GPT2
GPT1里主要用的是transformer中的decoder层。
GPT-2依然沿用GPT单向transformer的模式，只不过做了一些改进与改变：
- GPT-2去掉了fine-tuning层
- 增加数据集和参数
- 调整transformer
| 模型 | 参数量 |
| ELMO | 94M |
| BERT | 340M |
| GPT-2 | 1542M |
