Finetunet transformator
Finetuning av en transformator tilpasser en stor, forhåndstrent modell – som BERT, GPT eller ViT – til en spesifikk nedstrømsoppgave ved å fortsette gradientbasert trening på et merket målsdatasett. Dette to-trinns paradigmet (forhåndstrening deretter finjustering) oppnår konsekvent toppmoderne resultater på tvers av NLP- og datasynsoppgaver med langt mindre oppgavespesifikke data enn trening fra bunnen av.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Fine-Tuned Transformer (Task-Specific Adaptation of Pre-Trained Transformer Models). ScholarGate. https://scholargate.app/no/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-basert klassifiseringDyp læring↔ compare
- Finputilpasset BERT-basert klassifiseringDyp læring↔ compare
- Fintunet rekurrent nevralt nettverkDyp læring↔ compare
- RoBERTa-basert klassifiseringDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →