Ajuste Fino de BERT
O ajuste fino de BERT, baseado no modelo BERT introduzido por Devlin e colegas em 2019, retreina um modelo BERT pré-treinado em um pequeno conjunto de dados rotulados para uma tarefa específica, como classificação, reconhecimento de entidades nomeadas ou resposta a perguntas. Através da aprendizagem por transferência, ele alcança alto desempenho mesmo com relativamente poucos dados específicos da tarefa.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Fine-Tuning of Pre-trained BERT (Bidirectional Encoder Representations from Transformers). ScholarGate. https://scholargate.app/pt/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 Fine-TuningAprendizado profundo↔ compare
- LoRA e PEFTAprendizado profundo↔ compare
- Random ForestAprendizado de máquina↔ compare
- Vision TransformerAprendizado profundo↔ compare
- XGBoostAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →