现在学习下gpt2模型做摘要，我们都知道gpt2 是纯decoder，做摘要说话的效果较好。
把数据拆分


按照这个进行tokenizer
用这个tokenizer = BertTokenizer.from_pretrained(‘bert-base-chinese’)

2w多词汇表
用交叉熵做lossf，
设好一些简单的训练参数

开始了漂亮的训练
载入模型开始预测


还是可以基本做出摘要的。基本可以用，就是代码仍然感觉不是很简单。
shift_logits = outputs.logits[…, :-1, :] 是忽略最后一个词
shift_labels = labels[…, 1:] 目标数据集忽略第一个词，拿这2个来比较算loss，很不容易理解。