NLP-D31-《动手学pytorch》完结&BERT&Layer_norm

---------0439我感觉今天终于可以阶段性地看完沐沐的课了！！！狂喜！马上终于可以看看宝可梦了嘿嘿嘿！

1、ELMo&GPT&BERT对比

2\位置嵌入参数

全局来看，应该也就只有一个位置嵌入参数

3\BERT的valid_len第一层觉得有意义，后面感觉就很生硬了

4\为啥norm_shape一会一维一会二维呢？？？

5\Layer_norm的使用方法

参数传几维，就对几维座layer_norm,不过传的时候shape要匹配。
传最后一维

参考：https://blog.csdn.net/qq_37541097/article/details/117653177
这里面应该是把【768这维给norm了】。这个细节之后再研究吧。

传3维，官方文档也很给力

参考：

-------0522先干个饭

6、Momentum用来做梯度平滑；Adam做梯度平滑+并且调整各个维度的值，避免因为值大小不同，lr不好取。

看到最后一节啦！！！！沐沐大大棒棒！！！

----06020看完啦！！！又被种草了《实用机器学习》，不过有一说一，本来就是想看的hhhhhhhh
现在来把BERT代码敲完hhh

—0638ee网络冲了一波浪，现在就学hhh

7\NSP任务

做nsp任务时，留下batch_size层，把接下来的维展开，用单层感知机进行预测。

8在get_batch_loss中传入nsp_y即真实值

在get_batch_loss中会做前向传播，得到nsp_y_hat，因此，在最后的train中，也只需要传入真实的nsp_y供其计算损失即可。

—0837帮同学回答了一些毕设相关的问题，还是蛮开心的hhh，继续写bert啦

9Bert微调实例

得到cls的最终表示后，再放入一个hidden和一个linear层，得到最终正向推理结果。

在定义了正向推理（net）过程后，便可以train了，也就是根据目标的y不断地优化模型参数。

！！！完结撒花！！！