Jemne vyladený Transformer
Jemné doladenie Transformera adaptuje rozsiahly predtrénovaný model – ako napríklad BERT, GPT alebo ViT – na špecifickú následnú úlohu pokračovaním tréningu založeného na gradientoch na označenom cieľovom datasete. Táto dvojstupňová paradigma (najprv predtrénovanie, potom doladenie) konzistentne dosahuje najmodernejšie výsledky v úlohách spracovania prirodzeného jazyka (NLP) a počítačového videnia s podstatne menším množstvom dát špecifických pre danú úlohu v porovnaní s tréningom od začiatku.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Fine-Tuned Transformer (Task-Specific Adaptation of Pre-Trained Transformer Models). ScholarGate. https://scholargate.app/sk/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.
- Klasifikácia založená na BERTHlboké učenie↔ compare
- Jemne doladená klasifikácia založená na BERTHlboké učenie↔ compare
- Dolaďovaná rekurentná neurónová sieťHlboké učenie↔ compare
- Klasifikácia založená na RoBERTaHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →