Transformer ajustat fin
Ajustarea fină a unui Transformer adaptează un model pre-antrenat mare — precum BERT, GPT sau ViT — la o sarcină specifică de nivel inferior (downstream task), continuând antrenamentul bazat pe gradient pe un set de date țintă etichetat. Acest paradigmă în două etape (pre-antrenare apoi ajustare fină) obține în mod constant rezultate de ultimă generație în sarcini de NLP și viziune computerizată, cu mult mai puține date specifice sarcinii decât antrenamentul de la zero.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Fine-Tuned Transformer (Task-Specific Adaptation of Pre-Trained Transformer Models). ScholarGate. https://scholargate.app/ro/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.
- Clasificare bazată pe BERTÎnvățare profundă↔ compare
- Clasificare bazată pe BERT fin-reglatÎnvățare profundă↔ compare
- Rețea Neuronală Recurentă Fine-TunedÎnvățare profundă↔ compare
- Clasificare bazată pe RoBERTaÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →