Fintrimmad transformator
Att fintrimma en transformator anpassar en stor förtränad modell – såsom BERT, GPT eller ViT – till en specifik nedströmsuppgift genom att fortsätta gradientbaserad träning på en märkt måldatasamling. Detta tvåstegsparadigm (förträna sedan fintrimma) uppnår konsekvent toppmoderna resultat över NLP- och datorseendeuppgifter med betydligt mindre uppgiftsspecifik data än att träna från grunden.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Fine-Tuned Transformer (Task-Specific Adaptation of Pre-Trained Transformer Models). ScholarGate. https://scholargate.app/sv/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-baserad klassificeringDjupinlärning↔ compare
- Fintrimmad BERT-baserad klassificeringDjupinlärning↔ compare
- Finjusterat återkommande neuralt nätverkDjupinlärning↔ compare
- Klassificering baserad på RoBERTaDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →