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
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
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