GPT和BERT
GPT和BERT都是基于Trm的应用，可以理解为GPT是decoder的应用，BERT可以说是encoder的应用
GPT
如图，就是GPT的原理，GPT是做生成式的任务的，没有办法进行下游任务改造，训练也是针对生成式的任务进行训练
BERT
左图是BERT，BERT和ELMo非常相似，只不过由于中间换成Trm之后，可以并行，也就是可以同时看到一个词的上下文，而ELMo仅仅只是对上下文分别计算，最后进行叠加。
BERT下游任务改造
- 句子相似度
如图，输入bert的时候句子除了句子本身还有分隔符[cls]和[sep]，对于这个下游任务，可以把cls变成sentence1和sentence2的相似度 - 单句分类
和句子相似度类似，把cls改成标签概率的分布 - 文本问答
文本问答的输入是前面是问题，后面是答案，这里要对结果进行改造，加入一个起始位置和最终位置，通过bert求出初始位置和最终位置的最大概率。 - 文本标注
文本标注是指给一句话的各个实体标注上不同的标签，比如名词，动词，人物等。要对输入和输出进行改造，每个词对应了一个label讲label转化为数字，求出对每个词最大的label概率
原文地址：https://blog.csdn.net/2301_81989837/article/details/142767426
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！