基于自监督学习的Transformer模型训练方法.pdfVIP

下载本文档

0
0
约2.29万字
约 19页
2023-09-27 发布于四川
举报
版权申诉

基于自监督学习的Transformer模型训练方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本公开的实施例提供了一种基于自监督学习的Transformer模型训练方法。应用于深度学习领域，所述方法包括将训练数据集输入一个包含教师模型和学生模型的预设的Transformer模型，每个模型的输出有两部分，一个对应目标类任务，一个对应非目标类任务，将两部分输入到一个带有超参数的解耦Kullback‑Leibler散度公式，获取损失值，利用梯度反向传播，更新学生模型的自身参数并不断调整超参数，同时基于学生模型的自身参数更新教师模型的自身参数，直到学生模型达到收敛。以此方式，本公开将传统的知识蒸

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116805162 A (43)申请公布日 2023.09.26 (21)申请号 202310475772.X (22)申请日 2023.04.27 (71)申请人光控特斯联（重庆）信息技术有限公