【深入浅出】深入浅出Bert（附面试题）

本文的目的是为了帮助大家面试Bert，会结合我的面试经历以及看法去讲解Bert，并非完整的技术细致讲解，介意请移步。

提到Bert网络模型，首先离不开的应该是Transformer网络？由此引出第一个问题

网络结构

观察这个网络结构，可以发现Bert模型的训练是通过预训练和微调两部分组成的。这两部分分别是什么？

Pre-Training阶段的作用？

预训练阶段是一个无监督任务。在Bert模型中的预训练阶段中，有15%的词语被换成了 $MASK$ 。

在这15%中，还有80%的内容被替换成 $MASK$ ，有10%是随机换一个词，10%是不换的（原文真这么写的，有点烧脑是吧，别急，等我慢慢讲）

替换成 $MASK$ 比较好理解，就是为了通过前后文关联来对 $MASK$ 的内容进行预测进而更好的帮助模型理解语义信息。

**随机换成其他的token其实是为了增加模型的鲁棒性。**你想想，大家使用GPT的时候每次提问的内容都是完全正确的吗？会不会经常出现一些错别字什么的？

Fine-Tuning是做什么的？

Bert预训练好后，他没有具体的任务。而现实生活中我们需要它去做具体的任务，比如文本分类、问答系统、情感分析等，因此需要微调bert使得模型在任务上表现得更好。

微调会保留BERT的预训练权重，但在任务数据上继续训练，并加上适应该任务的头部层（output head），这样Bert可以适用于特定的任务。
Fine-Tuning具体是怎么做的？
- 分类任务 ：将Bert的[CLS]标记输出嵌入向量接一个全连接层，用于句子分类
- 句子关系判断任务 ：类似分类任务，用[CLS]嵌入接全连接层输出句对关系
- 序列标注任务：如命名实体识别（NER），Bert会针对每个token的输出都连接一个分类层，预测每个token的标签。

不知道大家看着一段内容的时候有没有注意到有的任务是[CLS]而有的任务用的是每个token的输出？

CLS标签在预测过程中是做什么的？或者说使用Bert做句子分类任务和实体识别任务有什么不同？高频问题

Bert在预训练时，[CLS]标记被设计为整个句子或句对的表示，它可以在微调过程中学习到句子的整体信息。因此CLS代表的是整个句子的全局向量，将这个向量用于分类即可。

在Bert中，每个token的输出代表其对应的上下文信息，能够更精细地反映局部语义，从而更适合逐个token的预测。使用每个token的输出，模型可以为每个词单独生成标签或确定其在句中的位置。

用于判断有没有被【mask】

吃饭了【mask】？--》吃饭了【mask】--》 $cls$ 1 1 0 $seq$ 相当于三个token

区分句子a 和 b**，用在两个句子中间

这里不分词了啊，麻烦。

今天天气怎么样？很晴朗。

cls\] 0 0 0 0 0 0 0 0 \[seq\] 1 1 1 \[seq

在最初训练的时候，Bert随机赋值位置编码。Bert使用可训练的位置嵌入 ，即位置编码和token的embedding一样，作为模型参数的一部分，在训练过程中被更新。用于表示每个token在序列中的位置，定义每个位置的向量，这些位置向量是可学习的。

好啦，终于到这里了，看看你学废了吗？

Bert分为什么任务？作用是什么？
在参与损失函数的计算时，参与计算的Token有哪些？是全部的15%吗？

只有被真正mask的才会参与计算。15%的80%
在实现损失函数的时候，怎么确保那些填充（padding）的token不参与损失计算?

计算损失时，将每个token中的损失值与mask位相乘，确保填充位损失变成0。
Bert的优缺点有什么？
Bert的三个Embedding为什么直接相加？

BERT的三个Embedding（Token Embedding、Position Embedding和Segment Embedding）直接相加是因为它们分别表示输入信息的不同方面，合并后形成了每个token的整体嵌入表示。