# 如果已在虚拟环境，先取消激活 deactivate # 创建新的虚拟环境 python -m venv ~/.virtualenvs/transformer-debugger # 激活新的虚拟环境 source ~/.virtualenvs/transformer-debugger/bin/activate git clone [email protected]:openai/transformer-debugger.git cd transformer-debugger # 安装神经元解释器 pip install -e . # 安装pre-commit钩子 pre-commit install # 安装神经元查看器 cd neuron_viewer npm install cd ..
Transformer Debugger是什么
Transformer Debugger (TDB) 是由 OpenAI 的对齐团队（Superalignment）开发的一款工具，旨在帮助研究人员和开发者更深入地理解和分析 Transformer 模型的内部结构和行为。Transformer 模型是一种深度学习架构，广泛应用于自然语言处理（NLP）领域，特别是在机器翻译、文本生成和理解等任务中。
TDB 的核心功能是提供了一种无需编写代码即可快速探索模型结构的方式，结合了自动可解释性技术和稀疏自动编码器，使得用户能够直观地查看和分析模型的特定行为，例如模型为何在给定的输入（prompt）下选择输出特定的token，或者模型的注意力机制为何关注输入文本中的某些特定部分。
GitHub源码地址：https://github.com/openai/transformer-debugger
Transformer Debugger的功能特性
- 无需编码的模型探索：TDB 允许用户在不编写代码的情况下探索模型结构，使得研究和调试过程更加直观和高效。
- 前向传递干预：用户可以干预模型的前向传递过程，观察不同操作如何影响模型的输出，从而更好地理解模型的决策过程。
- 组件级分析：TDB 能够识别并分析对模型行为有显著贡献的特定组件，如神经元、注意力头和自动编码器的潜在表示（latents）。
- 自动生成解释：工具可以自动生成解释，展示导致特定组件激活的原因，帮助用户理解模型的内部工作机制。
- 可视化界面：通过 Neuron viewer，一个基于 React 的应用程序，TDB 提供了一个用户友好的界面，用于展示和分析模型组件的信息。
- 后端支持：Activation server 作为后端服务器，为 TDB 提供必要的数据支持，包括从公共 Azure 存储桶读取和提供数据。
- 模型和数据集支持：开源内容包括 GPT-2 模型及其自动编码器的简单推理库，以及一些整理好的激活数据集示例，方便用户进行实验和分析。
