BERT模型解读

BERT是一种基于Transformer的预训练深度双向编码语言理解模型,通过Masked LM和NSP任务进行预训练。它克服了ELMo和GPT的局限,允许模型在每个层中充分利用上下文信息。在微调到下游任务时,只需添加输出层,无需改变模型结构,且在多个NLP任务中表现出SOTA性能。预训练与微调的不一致性和mask token的独立假设是BERT的主要缺点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

NLP系列模型解析:
Transformer:https://blog.youkuaiyun.com/lppfwl/article/details/121084602
GPT系列:https://blog.youkuaiyun.com/lppfwl/article/details/121010275
BERT:https://blog.youkuaiyun.com/lppfwl/article/details/121124617

BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
2019年goole AI发表的文章,附上原文:https://paperswithcode.com/method/bert
pytorch版本代码:https://github.com/huggingface/transformers/tree/master/src/transformers/models/bert

BERT名字由来: Bidirectional Encoder Representations from Transform

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