知识卡片
自监督从数据构造目标
自监督学习从未人工标注的数据中构造输入与预测目标,例如遮住句子中的词元并预测原词。训练信号来自数据本身;得到的表示可以迁移到下游任务,而具体下游任务仍可能需要人工标签。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 自监督学习 章首 · 查看原书依据
我们需要有标注的文章数据来训练监督模型,而自监督学习是一种无标注的学习方式.如图10.1(b) 所示,假设我们有未标注的文章数据,则可将一篇文章分为两部分:模型的输入 和模型的标签 . 将 输入模型并输出 ,我们想让 尽可能地接近标签 (学习目标),这就是自监督学习.
参考来源
- 位置:《深度学习详解》第10章《自监督学习》章首(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter10.xhtml`)
- 结论依据:原文说明预训练任务、模型迁移和下游用法;结论保留数据与任务条件。
- 原始内容:我们需要有标注的文章数据来训练监督模型,而自监督学习是一种无标注的学习方式.如图10.1(b) 所示,假设我们有未标注的文章数据,则可将一篇文章分为两部分:模型的输入 和模型的标签 . 将 输入模型并输出 ,我们想让 尽可能地接近标签 (学习目标),这就是自监督学习.