1、BERT 名称中的双向指的是什么？是怎么体现双向的？
答：双向指的是双向语言模型，例如要被预测的 mask，mask 的上下文是可以被模型看到的
2、BERT 中的词嵌入、位置嵌入、句子类别编码是对应维度上的值直接相加的吗？
答：是的
如图：
图 2.1
3、BERT 是如何体现 mask 机制的？
4、BERT 的分类模型的损失函数是怎么样的？为什么要定义这样的损失函数呢？
图 4.1
答：
下面内容参考自：分类问题中的损失函数
BERT 官方代码中的分类模型的损失函数叫做负对数似然函数（且是最小化，等价于最大化对数似然函数），数学表达式是：
图 4.2
至于为何要定义这样的损失函数，则是因为在实际使用中，常用逻辑回归模型去解决分类问题，当逻辑回归撞上平方损失，损失函数关于参数
非凸。所以，不是分类问题中不使用平方损失，而是逻辑回归不使用平方损失。而代码中的 log_probs 使用了对数，故而不使用平方损失，而使用负对数似然损失函数
网友评论