關(guān)注點1：Transformer
1. embedding層：把離散字符轉(zhuǎn)化為數(shù)字
Embedding
1.1 token embeddings：用于區(qū)分文本內(nèi)容，1個文本字符對應(yīng)768維的向量，1個token embeddings輸出N（字符數(shù)）x 768維的矩陣
1.2 segment embeddings:用于區(qū)分哪一句話,輸出也是N x 768維的矩陣吏祸，同一句對應(yīng)的向量是相同的
1.3 position embeddings:用于確定文本位置门粪，輸出也是N x 768維的矩陣
因此得到3個N x 768矩陣棘劣，3個矩陣相加赋兵，輸出一個新的N x 768的矩陣
2. self-attention層:
attention機制
通過神經(jīng)網(wǎng)絡(luò)，計算句子中字符的權(quán)重w桦他，從而對輸入進行一定的加權(quán)（更關(guān)注某部分）ps: 原始輸入文本x和decoder后的輸出文本yt-1均需輸入attention層進行權(quán)重的計算蔫巩。
self-attention
區(qū)別于傳統(tǒng)attention，不涉及輸出的再輸入快压。WQ,WK,WV是線性層（768x768）,與X（10x768）相乘后得到10x768矩陣圆仔，隨機初始化后訓(xùn)練更新。
QxKT計算出文本的權(quán)每個字與其他字的相關(guān)性蔫劣，softmax歸一化得到權(quán)重坪郭，是self-attention，dk涉及多頭機制拦宣，再乘以V（和原本數(shù)量相乘）
獲得文本與其他文本的相關(guān)
多頭機制：把原本的10x768矩陣切分為12個10x64的矩陣截粗，在不同子空間訓(xùn)練模型，獲得12個完全不同的self-attention矩陣鸵隧，最后拼接，從而提升模型效果意推。
多頭機制multi-head
3. LayerNorm(殘差機制)
把embedding層和self-attention層輸出相加豆瘫，有助于保留一些原始信息，防止過擬合
LayerNorm(殘差機制)
4. Feed Forward層（前饋層）
注：相比于CNN菊值，RNN外驱，隨著長度增加育灸，距離很遠的數(shù)據(jù)也不會丟失。
優(yōu)勢：數(shù)據(jù)更全昵宇、更完整
優(yōu)勢：無距離限制磅崭，且可以并行，速度較快
調(diào)用方式
from transformers import BertModel
bert
關(guān)注點2：預(yù)訓(xùn)練方法
通過海量的不需要標注的數(shù)據(jù)訓(xùn)練得到bert預(yù)訓(xùn)練參數(shù)
隨機遮擋: 學(xué)習(xí)每個字的意思
預(yù)測是否為下一句話：學(xué)習(xí)兩句話之前的關(guān)聯(lián)
Bert實際上就是個文本編碼器瓦哎，將文本向量化砸喻，本質(zhì)上與LSTM，CNN等沒有差異（ps.文本長度不一致蒋譬，需要用0補齊）
下游任務(wù)中的使用
預(yù)訓(xùn)練模型的發(fā)展
1. ELMo
使用的是雙向LSTM割岛，預(yù)訓(xùn)練任務(wù)是單向預(yù)測（前N個字預(yù)測后1個字）
2.GPT
GPT:使用transformer，預(yù)訓(xùn)練任務(wù)還是單項預(yù)測犯助，增加了有監(jiān)督訓(xùn)練
3. Ernie-baidu
百度模型：在中文上表現(xiàn)更好癣漆，加入了先驗知識，但導(dǎo)致不通用
4. Ernie-Tsinghua
清華模型：引入知識圖譜
5. GPT2
GPT2：語言生成能力強剂买，大數(shù)據(jù)大模型
6. UNILM
彌補bert生成文本的缺陷惠爽，通過MASK機制增加單向LM
7.Transformer-XL&XLNet
Transformer中position embedding有長度限制
一次bert解決不了，往下傳遞
相對位置編碼
8.Roberta
Roberta
9.SpanBert
改變訓(xùn)練目標對模型也有提升
10. ALBERT
解決模型參數(shù)過多的問題
11. T5
利用seq2seq方式：邁向NLP的大一統(tǒng)
12.GPT3
超大模型瞬哼，目標是不要調(diào)參
未來方向
參考資料：
八斗學(xué)院講座筆記（侵刪）
