← 返回卡片

原书出处

深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)

07 第7章 从ELMo到BERT和GPT

核验版本的摘录快照 · 导入于 2026-11-19T04:48:36.598Z

s outputs = (total_loss,) + outputs return outputs 7.2.5 微调

在完成BERT对下游的分类任务时,只需要在BERT的基础上添加一个输出层便可以完成对特定任务的微调(fine-tuning)。对分类问题可直接取第一个标识符(Token)的最后输出(即final hidden state,最后隐藏含状态)C∈RH,加一层权重W后使用Softmax来预测标签的概率

: P = Softmax(CWT) 对于其他下游任务,则需要进行一些调整,如图7-7所示。 图7-7 对BERT预训练

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter10_0002.xhtml

EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da