深度学习：bert模型

multi-headed机制

1、通过不同的head得到多个特征表达，一般8个head
2、将所有特征拼接在一起
3、降维，将Z0~Z7连接一个FC全连接实现降维

多层堆叠

位置编码

如何实现位置编码？

（1）为每个时间步添加一个0-1范围内的数字，其中0表示第一个单词，1表示最后一个单词。

我喜欢吃洋葱 【0 0.16 0.32.....1】

我真的不喜欢吃洋葱【0 0.125 0.25.....1】

问题：我们可以看到，如果句子长度不同，那么位置编码是不一样，所以无法表示句子之间有什么相似性。

（2）1-n正整数范围分配

我喜欢吃洋葱 【1，2，3，4，5，6】     

我真的不喜欢吃洋葱【1，2，3，4，5，6，7】   

 问题：往往句子越长，后面的值越大，数字越大说明这个位置占的权重也越大，这样的方式无法凸显每个位置的真实的权重。

三角函数位置编码

word embedding：是词向量，由每个词根据查表得到

pos embedding：就是位置编码。

composition：word embedding和pos embedding逐点相加得到，既包含语义信息又包含位置编码信息的最终矩阵

pos：指当前字符在句子中的位置（如：”你好啊”，这句话里面“你”的pos=0），

dmodel：指的是word embedding的长度（例“民主”的word embedding为[1,2,3,4,5]，则dmodel=5），

2i表示偶数，2i+1表示奇数。取值范围：i=0,1,...,dmodel−1。

偶数使用公式（1），奇数时使用公式（2）。

当pos=3,dmodel=128时Positional Encoding(或者说是pos embedding)的计算结果为：

优点：

1、可以使PE分布在[0,1][0,1]区间。

2、不同语句相同位置的字符PE值一样(如：当pos=0时，PE=0)。

训练数据

训练数据集是什么？

（方法1）随机的将句子中的15%的词汇进行mask。让模型去预测mask的词汇。 注：一般选择字进行mask，词的可能性太多，例如今天，明天，后天，上午，下午，没有，再次等等。

方法2）预测两个句子是否应该连在一起。

CLS：分类标记（Classification Token）用于表示输入序列的开始。在输入序列中，CLS应放置在句子的开头。在训练过程中，CLS也当作一个词参与训练，得到对应与其他词汇关系的词向量。 SEP：分隔符标记（Separator Token）用于分隔两个句子或表示单个句子的结束。在处理多个句子时SEP应放置在每个句子的结尾。在训练过程中，SEP也当作一个词参与训练，得到对应与其他词汇关系的词向量。