原书出处
深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)
08 第8章 BERT的优化方法
生成器部分的损失和判别器的损失函数以一个比例数相加的。模型在微调时,丢弃生成器,只使用判别器。 8.3.2 RTD结构
ELECTRA创新性地提出了RTD(Replaced Token Detection,替换标记探测)这种新的预训练任务(可以判断每个样例的所有词汇是不是被替换过,加快训练速度),其结构示意图如图8-12所示。
图8-12 RTD结构示意图 模型由两部分组成:生成器和判别器。两者都是Transformer的Encoder结构,只
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/Chapter11_0003.xhtml
EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da