Доналаштування BERT
Доналаштування BERT, що базується на моделі BERT, представленій Devlin та його колегами у 2019 році, повторно тренує попередньо навчену модель BERT на невеликому розміченому наборі даних для цільового завдання, такого як класифікація, розпізнавання іменованих сутностей або відповіді на запитання. Завдяки трансферному навчанню вона досягає високої продуктивності навіть з відносно невеликою кількістю даних для конкретного завдання.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Fine-Tuning of Pre-trained BERT (Bidirectional Encoder Representations from Transformers). ScholarGate. https://scholargate.app/uk/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.
- Доналаштування GPTГлибоке навчання↔ compare
- LoRA та PEFTГлибоке навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- Трансформер для комп'ютерного зоруГлибоке навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →