bert模型

一、bert的输入处理
(1)如果有token_b就用分割符进行拼接,并返回[0][0][0][0][0][0][0][0][0][1][1][1][1]v1][1]这样的标记
(2)如果没有token_b就用分割符包装token_a,并返回[0][0][0][0][0][0][0][0][0]
在这里插入图片描述
二、bert的encoder结构
就和transformers的encoder类似,下面讲区别:
就是多了segment的embedding以及随机初始化的扰动embedding
在这里插入图片描述
这里加入可学习的位置编码,也就是不仅仅要用embedding,要加入干扰,要随机初始化一些参数进去
在这里插入图片描述
这里的x就加入了随机初始化的参数,使模型可学习
在这里插入图片描述
三、masked模型
masked模型就是对输入进行掩盖,并对掩盖位置进行预测
在这里插入图片描述
蓝色线上面:
提取被掩盖(要预测的位置)的特征
蓝色下面:
将要预测位置(被掩盖的位置)的特征传入mlp中,输出预测的值
在这里插入图片描述
四、两个句子是否是连续的
只有是否:使用输出为2
在这里插入图片描述

五、bert模型
这里做的主要就是将上面的各个模块拼接在一起
在这里插入图片描述
是否要判断两个句子是连续的,如果不判断就进行下面的掩盖测试,这里面的0是句子的第一个token用来做二分类
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值