Финна настройка на BERT
Финната настройка на BERT, надграждайки модела BERT, представен от Девлин и колеги през 2019 г., преобучава предварително обучен модел BERT върху малък етикетиран набор от данни за целева задача като класификация, разпознаване на именувани обекти или отговаряне на въпроси. Чрез трансферно обучение той постига висока производителност дори при сравнително малко специфични за задачата данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y. & Huang, X. (2019). How to Fine-Tune BERT for Text Classification. CCL. DOI: 10.1007/978-3-030-32381-3_16 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Fine-Tuning of Pre-trained BERT (Bidirectional Encoder Representations from Transformers). ScholarGate. https://scholargate.app/bg/deep-learning/bert-finetuning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Фината настройка на GPT (GPT Fine-Tuning)Дълбоко обучение↔ compare
- LoRA и PEFTДълбоко обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- Vision TransformerДълбоко обучение↔ compare
- XGBoostМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →