NLP领域中更有效的迁移学习方法

  • 时间:
  • 浏览:0

”的演讲。该演讲展示了预训练的单词和文档嵌入层在训练数据集较小时取得的优异结果,并为将那些技术应用于工程任务中提出了一系列实用建议。此外,感谢[Alec Radford和OpenAI团队的某些出色研究](),使得以前提出的某些建议处于了某些变化。

       为了解释处于变化的原因分析 ,首先回顾一下以前在Indico会议中使用的评估法律土办法,以评估本身新颖的机器学习

       在厚度学习领域,迁移学习(transfer learning)是应用比较广的法律土办法之一。该法律土办法允许大家构建模型以前不光要能借鉴某些其它科研人员的设计的模型,还都能否 借用类事于底部形态的模型参数,某些类事于于站在巨人的肩膀上进行深入开发。本文将讲述咋样在NLP领域中更高效地应用迁移学习。



       今年春天,我 在ODSC East会议上发表了题为