本文详细计算了BERT Base模型的参数量。包括Token Embeddings、Position Embeddings、Segment Embeddings、多头注意力机制、前向传播层以及残差和归一化层的参数数量。最终得出BERT Base模型约含有109M参数。
参考 https://zhuanlan.zhihu.com/p/144582114小白
本文计算针对英文版本bert base
bert base 12层 768隐藏单元 12个head 共110M
vocab_size=30522， hidden_size=768， max_position_embeddings=512， token_type_embeddings=2
第 1 部分：输入
Token Embeddings：总词汇是30522每个输出维度都是768，参数量是30522*768
Position Embeddings：transformer中位置信息是通过sincos生成，但是在bert中是学出来了 （原文中说的应该是的数据量足，能学出来）最大长度是512所以这里参数量是512*768
Segment Embeddings：用1和0表示，所以参数是2*768
所以这个部分就是 （30522+512 + 2）* 768=23835648
第 2 部分（注意力部分）：
multi-head因为分成12份
单个head的参数是 768 * 768/12 * 3
12个head就是 768 * 768/12 * 3 * 12
紧接着将多个
最低0.47元/天 解锁文章
1474
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
