day1
- 跑了一个baseline
- 装k40的pytorch
真就坑死了,k40算力不够最多装pytorch1.3
pytorch1.3及以下没有的语法是
import torch
a = torch.tensor([1,2])
print(a==None) #判断是否为空
需要改成
import torch
a = torch.tensor([1,2])
print(a.numel()) #判断是否为空
提分点:
1、bert隐藏层的运用
2、pooler output
sequence_output表示最后一层。首先经过一个self.pooler变换,也就是sequence_output输入BertPooler这个类之后,取了句子第一个token(first_token_tensor,即CLS)的向量,然后将first_token_tensor输入self.dense。从该类的初始化中可知,self.dense是一个线性层,参数为768 * 768。经过该线性层之后,又过了一个Tanh激活函数。然后得到pooled_output(1 * 768 )。
经过BertModel类之后,返回了两个输出sequence_output(len * 768)和pooled_output(1 * 768 )。
3、自适应训练
DAPT (domain-adaptive pretraining )
TAPT(Task-Adaptive Pretraining)
4、模型融合
想问下,有多模型,额,多模型融合优化的课程嘛?工程上,想上一个,模型优化上,我看同样使用bert gpt模型优化的好的,有些融合模型,比直接用bert这些,能提升百分之30甚至40的效果。
5、textcnn+bert