Datawhale开源教程学习——基于Transformer的NLP学习（BERT&GPT ）

BERT的背景

BERT在2018年出现。2018 年是机器学习模型处理文本（或者更准确地说，自然语言处理或 NLP）的转折点。在 BERT 的论文发布后不久，这个团队还公开了模型的代码，并提供了模型的下载版本，这些模型已经在大规模数据集上进行了预训练。这是一个重大的发展，因为它使得任何一个构建构建机器学习模型来处理语言的人，都可以将这个强大的功能作为一个现成的组件来使用，从而节省了从零开始训练语言处理模型所需要的时间、精力、知识和资源。

使用BERT 两个步骤：

1. 下载预训练好的模型（这个模型是在无标注的数据上训练的）
2. 模型微调

举例：用在句子分类

训练这个句子分类的模型，主要训练分类器（Classifier），在训练过程中几乎不用改动BERT模型。当讨论分类时，属于监督学习领域，需要带有标签的数据集来训练这样的一个模型。

模型架构

• BERT BASE - 与 OpenAI 的 Transformer 大小相当，以便比较性能
• BERT LARGE - 一个非常巨大的模型，它取得了最先进的结果
• 还有后缀为cased/uncased,cased有大小写，uncased全小写

BERT（Bidirectional Encoder Representation from Transformers），即相当于训练好的Transformer的Encoder。

2 种不同大小规模的 BERT 模型都有大量的 Encoder 层（论文里把这些层称为 Transformer Blocks）- BASE 版本由 12 层 Encoder，Large 版本有 20 层 Encoder。同时，这些 BERT 模型也有更大的前馈神经网络（分别有 768 个和 1024 个隐藏层单元）和更多的 attention heads（分别有 12 个和 16 个），超过了原始 Transformer 论文中的默认配置参数（原论文中有 6 个 Encoder 层， 512 个隐藏层单元和 8 个 attention heads）。

模型输入

第一个输入的 token 是特殊的 [CLS]，是分类（class的缩写）。

就像 Transformer 中普通的 Encoder 一样，BERT 将一串单词作为输入，这些单词在 Encoder 的栈中不断向上流动。每一层都会经过 Self Attention 层，并通过一个前馈神经网络，然后将结果传给下一个 Encoder。

模型输出

每个位置输出一个大小为 hidden_size（在 BERT Base 中是 768）的向量。对于上面提到的句子分类的例子，我们只关注第一个位置的输出（输入是 [CLS] 的那个位置）。这个输出的向量现在可以作为后面分类器（Feed-forward neural network + softmax）的输入。论文里用单层神经网络作为分类器，取得了很好的效果。

如果需要多分类，只需要调整分类器的神经网络，增加输出的神经元个数，再经过softmax。

未完待补充