Prilagođavanje BERT-a (BERT Fine-Tuning)
Prilagođavanje BERT-a, nadograđujući se na BERT model koji su predstavili Devlin i suradnici 2019., ponovno trenira prethodno trenirani BERT model na malom označenom skupu podataka za ciljni zadatak poput klasifikacije, prepoznavanja imenovanih entiteta ili odgovaranja na pitanja. Kroz prijenosno učenje postiže visoke performanse čak i s relativno malo podataka specifičnih za zadatak.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Fine-Tuning of Pre-trained BERT (Bidirectional Encoder Representations from Transformers). ScholarGate. https://scholargate.app/hr/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.
- Prilagođavanje GPT modela (GPT Fine-Tuning)Duboko učenje↔ compare
- LoRA i PEFTDuboko učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →