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
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
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