BERT详解

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
bert base使用12层encoder（不是transformer）
bert large使用24层encoder
在这里插入图片描述
在这里插入图片描述

Bert输入部分详细解读

在这里插入图片描述
cls、sep存在因为bert预训练任务中有nsp任务（判断两个句子之间的关系）
将cls的输出向量接一个二分类器，去做一个二分类任务
在这里插入图片描述
在这里插入图片描述

预训练之MLM详解

在这里插入图片描述
bert在预训练的时候，使用的是大量的无标注的语料
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
认为mask是相互独立的，然而mask不是相互独立的
在这里插入图片描述

在这里插入图片描述

预训练之NSP任务详解

在这里插入图片描述
主题预测：两个样本是不是来自同一文档（很简单）
连贯性预测：两个段落是不是上下文关系
在这里插入图片描述

如何提升Bert下游任务表现

在这里插入图片描述
在这里插入图片描述
领域——>任务——>微调
在这里插入图片描述
bert是静态mask，我爱吃饭每次mask吃
在这里插入图片描述

脱敏数据如何使用bert

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

版权声明：本文为Grateful_Dead424原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。