BERT: 두 판 사이의 차이
IT위키
편집 요약 없음 |
편집 요약 없음 |
||
| 7번째 줄: | 7번째 줄: | ||
== 특징 == | == 특징 == | ||
* RNN을 사용하지 않는 Attention 모델 | * RNN을 사용하지 않는 Attention 모델 | ||
* 계산 cost가 매우 큰 모델 | * 장점 | ||
** 언어 이해의 우수성 | |||
* 단점 | |||
** 계산 cost가 매우 큰 모델 | |||
=== 활성화 함수 === | |||
;ReLU 보다 부드러운 형태인 GELU 적용 | |||
* 음수에 대한 미분이 가능 | |||
[[파일:GELU.png|300px]] | |||
== 주요 기술 == | == 주요 기술 == | ||
| 14번째 줄: | 22번째 줄: | ||
** ex) playing, coming, loving → ##ing | ** ex) playing, coming, loving → ##ing | ||
** ex) 서울특별시, 세종특별시, 성남시, 안양시 → ##특별시, ##시 | ** ex) 서울특별시, 세종특별시, 성남시, 안양시 → ##특별시, ##시 | ||
* Multi-Head Attention | |||
* Masked Attention | |||
2019년 12월 30일 (월) 16:43 기준 최신판
- Bidirectional Encoder Representations from Transformers
- 자연어 처리 언어 모델
특징[편집 | 원본 편집]
- RNN을 사용하지 않는 Attention 모델
- 장점
- 언어 이해의 우수성
- 단점
- 계산 cost가 매우 큰 모델
활성화 함수[편집 | 원본 편집]
- ReLU 보다 부드러운 형태인 GELU 적용
- 음수에 대한 미분이 가능
주요 기술[편집 | 원본 편집]
- WordPiece tokenizing
- 접두사, 접미사를 구분
- ex) playing, coming, loving → ##ing
- ex) 서울특별시, 세종특별시, 성남시, 안양시 → ##특별시, ##시
- Multi-Head Attention
- Masked Attention
