BERT-mudeli täpsustamine
BERT-mudeli täpsustamine, tuginedes Devlini ja kolleegide 2019. aastal tutvustatud BERT-mudelile, treenib eelnevalt treenitud BERT-mudelit uuesti väikese märgistatud andmestiku peal sihtülesande jaoks, nagu klassifitseerimine, nimeeritud üksuste tuvastamine või küsimustele vastamine. Ülekandeõppe abil saavutab see kõrge jõudluse isegi suhteliselt vähese ülesandespetsiifilise andmestikuga.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Fine-Tuning of Pre-trained BERT (Bidirectional Encoder Representations from Transformers). ScholarGate. https://scholargate.app/et/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.
- GPT peenhäälestusSüvaõpe↔ compare
- LoRA ja PEFTSüvaõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
- Vision TransformerSüvaõpe↔ compare
- XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →