IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> Datawhale八月组队学习--NLP入门之transformer--Day04-05 -> 正文阅读

[人工智能]Datawhale八月组队学习--NLP入门之transformer--Day04-05

提示:本篇博客主要针对BERT、GPT模型的原理展开,并针对下列问题给出自己的看法。

  • 问题一:BERT预训练时mask的比例,可以mask更大的比例吗?
  • 问题二:BERT如何进行tokenize操作?有什么好处?
  • 问题三:BERT模型特别大,单张GPU训练仅仅只能放入1个batch的时候,怎么训练?
  • 问题四:BERT训练的时候mask单词的比例可以特别大(大于80%)吗?
  • 问题五:BERT预训练是如何做mask的?
  • 问题六:GPT如何进行tokenize操作?和BERT的区别是什么?
  • 问题七:word2vec到BERT改进了什么?


一、BERT原理

??bert

二、GPT原理

三、问题回答

1. BERT预训练时mask的比例,可以mask更大的比例吗?

??BERT采用的Masked LM,会选取语料中所有词的15%进行随机mask,论文中表示是受到完形填空任务的启发,但其实与CBOW也有异曲同工之妙。从CBOW的角度,这里 p = 15 % p = 15\% p=15%有一个比较好的解释是:在一个大小为 1 / p = 100 / 7 ≈ 5 1/p = 100/7\approx5 1/p=100/75的窗口中随机选一个词,类似CBOW中滑动窗口的中心词,区别是这里的滑动窗口是非重叠的。那从CBOW的滑动窗口角度,10%~20%都是还ok的比例。
答案原链接

2. BERT如何进行tokenize操作?有什么好处?

??BERT 实际上使用了 WordPieces 作为 token,而不是使用单词本身。在 WordPiece 中,有些词会被拆分成更小的部分。比如"loved",“loving”,"loves"这三个单词。其实本身的语义都是“爱”的意思,但是如果我们以单词为单位,那它们就算不一样的词,在英语中不同后缀的词非常的多,就会使得词表变的很大,训练速度变慢,训练的效果也不是太好。但很明显对于中文这种优势就不存在了。
参考链接

3. BERT模型特别大,单张GPU训练仅仅只能放入1个batch的时候,怎么训练?

??暂无,后补

4. BERT训练的时候mask单词的比例可以特别大(大于80%)吗?

??暂无,后补

5. BERT预训练是如何做mask的?

??暂无,后补

6. GPT如何进行tokenize操作?和BERT的区别是什么?

??暂无,后补

7. word2vec到BERT改进了什么?

??暂无,后补

总结

??通过对问题的回答,加深了对BERT、GPT模型的理解,之后的学习中应该学习一下这种学习方式,多问自己几个“为什么?”,最后感谢datawhale的开源学习。

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-08-21 15:22:26  更:2021-08-21 15:22:42 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 18:29:59-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码