卯卯 | 炼就一手绝世刀法！
日出东海落西山，愁也一天，喜也一天。遇事不钻牛角尖，人也舒坦，心也舒坦！
2022-04-25 14:04:52
bert原理的解释wordpiece和bert的遮蔽15%后如何MASK，优缺点等
https://www.cnblogs.com/huangyc/p/10223075.html：一文读懂BERT中的WordPiece https://www.csdn.net/tags/OtDakg3sMjYwNzItYmxvZwO0O0OO0O0O.html 简述BERT模型的训练过程、BERT模型在推断过程中做了哪些性能优化、BERT模型在训练过程中做了哪些性能优化https://blog.csdn.net/qq_33293040/article/details/11043215
作者:yangli | 分类:bert | 浏览:913 | 评论:0
2019-08-29 16:41:12
word2vec的缺点（多义词）-ELMO（动态的调整word embedding，缺点就是它的RNN结构）-GPT-bert （一）
ELMO为代表的这种基于特征融合的预训练方法。NLP里还有一种典型做法，一般将这种方法称为“基于Fine-tuning的模式”，而GPT就是这一模式的典型开创者。使用：
作者:yangli | 分类:bert | 浏览:1853 | 评论:0
2019-08-29 09:58:45
bert微调的概念解读
至于在实际训练中的小技巧：bert参数先训练，后又不训练，后面的几个epoch只是训练我们自己所接的网络结构的可以参考：bert在实际项目中的处理这篇文章。一共是改两个地方：在下游任务代码中的，是第一处。这是第二处：
作者:yangli | 分类:bert | 浏览:2169 | 评论:0
2019-08-29 09:34:15
在数据集中噪声数据的切分，对模型效果的影响
我们的比赛实践结果：意思是：数据噪声数据越小，切分的数据集可以是0.9，0.8或者1.0。如果噪声数据很大，切分0.7，0.6效果会更好一点。
作者:yangli | 分类:bert | 浏览:1129 | 评论:0
2019-08-28 14:21:26
文本相识度计算-问题相似度计算-转换成一个分类问题
链接：https://blog.csdn.net/weixin_37947156/article/details/84877254
作者:yangli | 分类:bert | 浏览:1089 | 评论:0
2019-08-27 11:18:03
bert预训练过程记录
google根据中文的一部分数据已经为中文预训练了一个模型，bert-base-cased(12层，768，12头)，之所以要预训练是为了针对领域的数据有更好的拟合能力。例如法律方面的数据。预训练模型文件夹所包含的文件：用原始数据生成一句一行，隔行分段后，供130M数据，生成examples.tf_cored大概要1小时。后面用run_pretraining.py训练，大概10000步要一小时（设备信息：54G内存，16G显存。）,根据设备性能，我选着的是句子256个长-（经过解析源码：预训练阶
作者:yangli | 分类:bert | 浏览:2014 | 评论:0
2019-08-21 09:48:32
bert的预训练与微调（需要的条件和注意点）————（相关的概念迁移学习：https://www.jianshu.com/p/22e462f01d8c）
https://blog.csdn.net/qq_35290785/article/details/89949289bert的官网链接：https://github.com/google-research/bert训练时长：
作者:yangli | 分类:bert | 浏览:1087 | 评论:0
- 控制面板
- 网站分类
- 搜索
- 文章归档
-
- 2023年4月 (1)
- 2022年12月 (6)
- 2022年11月 (2)
- 2022年10月 (4)
- 2022年9月 (1)
- 2022年8月 (1)
- 2022年7月 (2)
- 2022年4月 (1)
- 2022年3月 (4)
- 2021年5月 (1)
- 2021年3月 (1)
- 2020年10月 (1)
- 2020年9月 (11)
- 2020年8月 (1)
- 2020年7月 (2)
- 2020年5月 (4)
- 2020年4月 (1)
- 2020年2月 (1)
- 2020年1月 (1)
- 2019年11月 (2)
- 2019年10月 (3)
- 2019年9月 (5)
- 2019年8月 (19)
- 2019年7月 (6)
- 2019年6月 (8)
- 2019年5月 (10)
- 2019年4月 (16)
- 2019年3月 (37)
- 2019年2月 (24)
- 2019年1月 (11)
- 2018年12月 (3)
- 2018年11月 (3)
- 2018年10月 (7)
- 2018年9月 (8)
- 2018年8月 (41)
- 2018年7月 (29)
- 2018年6月 (14)
- 2018年5月 (16)
