Dolaďování modelu BERT
Dolaďování modelu BERT, navazující na model BERT představený Devlinem a kolektivem v roce 2019, znovu trénuje předtrénovaný model BERT na malém označeném datovém souboru pro cílový úkol, jako je klasifikace, rozpoznávání pojmenovaných entit nebo odpovídání na otázky. Prostřednictvím přenosového učení dosahuje vysokého výkonu i s relativně malým množstvím dat specifických pro daný úkol.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Fine-Tuning of Pre-trained BERT (Bidirectional Encoder Representations from Transformers). ScholarGate. https://scholargate.app/cs/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.
- Dolaďování GPTHluboké učení↔ compare
- LoRA a PEFTHluboké učení↔ compare
- Random ForestStrojové učení↔ compare
- Vision TransformerHluboké učení↔ compare
- XGBoostStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →