Fine-Tuned Transformer
Transformeri peenhäälestus (fine-tuning) kohandab suurt eelnevalt koolitatud mudelit – nagu BERT, GPT või ViT – konkreetse allülesande jaoks, jätkates gradientipõhist koolitust märgistatud sihtandmestiku põhjal. See kaheetapiline paradigma (eelkoolitus ja seejärel peenhäälestus) saavutab järjekindlalt tipptasemel tulemusi NLP ja arvutinägemise ülesannetes, kasutades oluliselt vähem ülesandespetsiifilisi andmeid kui nullist alustav koolitus.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
+4 veel
Allikad
- Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30. link ↗
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of NAACL-HLT 2019, 4171–4186. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Fine-Tuned Transformer (Task-Specific Adaptation of Pre-Trained Transformer Models). ScholarGate. https://scholargate.app/et/deep-learning/fine-tuned-transformer
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- BERT-põhine klassifitseerimineSüvaõpe↔ võrdle
- BERT-põhine peenhäälestatud klassifikaatorSüvaõpe↔ võrdle
- Peenhäälestatud rekurrentne närvivõrkSüvaõpe↔ võrdle
- RoBERTa-põhine klassifitseerimineSüvaõpe↔ võrdle
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →