相关阅读
相关 NLP-预训练模型-201806-NLG：GPT-1【参数量：117M；训练数据量：1GB】【预训练：GPT使用单向语言模型；Fine-tuning：GPT、Task的参数一起训练】
![在这里插入图片描述][3068c6ce804e4581acf5efb5008283ee.png_pic_center] 预训练模型(Pretrained model)：一
╰+攻爆jí腚メ相关 NLP-预训练模型-2020
Transformer 是目前 NLP 研究领域中特别重要的模型，也衍生出了很多基于 Transformer 的方法，例如 BERT、GPT，在很多 NLP 任务中有很好的效果
水深无声相关 NLP-预训练模型-2018：Bert字典
-------------------- -------------------- -------------------- 参考资料： [我的BERT！改改字典，让
相关 NLP-预训练模型-2019：XLM-Roberta【一种多语言预训练模型】
[《原始论文：Unsupervised Cross-lingual Representation Learning at Scale》][Unsupervised Cross-
相关 NLP-预训练模型-2019：SpanBERT
![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5b-N6ICF44Gu5Lmx5aSq6Y
相关 NLP-预训练模型-2019-NLU+NLG：UniLM（自然语言理解与生成的统一预训练语言模型）
UniLM论文全名为Unified Language Model Pre-training for Natural Language Understanding and Gen
相关 NLP-预训练模型-2020-NLG：GPT-3【参数量：1750亿（175B）；训练数据量：570GB】
GPT-3依旧延续自己的单向[语言模型][Link 1]训练方式，只不过这次把模型尺寸增大到了1750亿，并且使用45TB数据进行训练。同时，[GPT-3][]主要聚焦于更通用
相关 NLP-预训练模型-2019-NLG：GPT-2【参数量：1542M；训练数据量：40GB】
2.1、GPT-2的核心思想 GPT-2的学习目标是使用无监督的预训练模型做有监督的任务。 语言模型也能够学习某些监督学习的任务，并且不需要明确具体的监督符号。而监督学
左手的ㄟ右手相关 Audio-预训练模型-2019：vq-wav2vec
[vq-wav2vec: Self-Supervised Learning of Discrete Speech Representations - NASA/ADS][vq-
相关 NLP预训练模型综述
现在深度学习越来越火了，在NLP领域主要使用CNNs、RNNs、GNNs以及attention机制。尽管这些模型取得了一些成绩，但是和CV相比，还是有些差距的，主
还没有评论，来说两句吧...