← 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)

14 第14章 用BERT实现中文语句分类

核验版本的摘录快照 · 导入于 2026-11-19T04:48:36.604Z

assifier Linear(in_features=768, out_features=3, bias=True)

我们的分类模型model也就只是在BERT上加入dropout层以及简单的用于分类的全连接层,即可输出用来预测类别的logits。这就是两阶段迁移学习强大的地方:你不用再自己依照不同NLP任务从零设计非常复杂的模型,只需要站在巨人肩膀上,做一点点事情就好了。

你也可以看到整个分类模型model预设的隐状态维度为768。如果你想要更改BERT的超参数,可以通过config di

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/Chapter18_0003.xhtml

EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da