Tinh chỉnh BERT
Tinh chỉnh BERT, dựa trên mô hình BERT được giới thiệu bởi Devlin và cộng sự vào năm 2019, huấn luyện lại một mô hình BERT đã được huấn luyện trước trên một tập dữ liệu nhỏ có nhãn cho một tác vụ mục tiêu như phân loại, nhận dạng thực thể có tên, hoặc trả lời câu hỏi. Thông qua học chuyển giao, nó đạt được hiệu suất cao ngay cả với tương đối ít dữ liệu dành riêng cho tác vụ.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Fine-Tuning of Pre-trained BERT (Bidirectional Encoder Representations from Transformers). ScholarGate. https://scholargate.app/vi/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.
- Tinh chỉnh GPTHọc sâu↔ compare
- LoRA và PEFTHọc sâu↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- Transformer Thị giácHọc sâu↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →