Finomhangolt Transformer
A Transformer finomhangolása egy nagy, előképzett modell – mint például a BERT, GPT vagy ViT – adaptálása egy specifikus, lefelé irányuló feladathoz, a gradiens alapú képzés folytatásával egy címkézett céladatkészleten. Ez a kétszakaszos paradigma (előzetes képzés, majd finomhangolás) következetesen csúcsteljesítményt ér el a természetes nyelvfeldolgozási (NLP) és számítógépes látási feladatokban, jóval kevesebb feladatspecifikus adattal, mint az alapoktól történő képzés.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Fine-Tuned Transformer (Task-Specific Adaptation of Pre-Trained Transformer Models). ScholarGate. https://scholargate.app/hu/deep-learning/fine-tuned-transformer
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.
- BERT-alapú osztályozásMélytanulás↔ compare
- Finomhangolt BERT-alapú osztályozásMélytanulás↔ compare
- Finomhangolt rekurrens neurális hálózatMélytanulás↔ compare
- RoBERTa-alapú osztályozásMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →