LLM--BERT架构解析

文章目录

• 模型整体架构
• 模型架构细节
• • 输入张量
  • 输入层
  • • [Token Embedding](#Token Embedding)
    • [Segment Embedding](#Segment Embedding)
    • [Position Embedding](#Position Embedding)
  • BERT网络结构
  • 输出层
  • 预训练两种模型
  • • [Masked Language Model(MLM)](#Masked Language Model(MLM))
    • [Next Sentence Prediction(NSP)](#Next Sentence Prediction(NSP))
• 参考资料

概述 ：一种基于Transformer编码器架构的预训练语言模型，通过结合Tokenization、Embedding和特定任务的输出层，能够捕捉文本的双向上下文信息。

工作原理：在大量未标注数据上执行预训练任务，然后再表注数据中进行微调，使其称为专用模型。

模型整体架构

从模型结构来说，没有太大创新点，都是基于Transformer架构改编而来，与GPT模型不同的是，BERT是双向的，GPT是单向的。

从BERT的模型结构来看，小编感觉他独特地方在于输入与词嵌入两个模块，参考xhs大神图片。

模型架构细节

输入张量

BERT的输入是一个原始的文本序列，可以由单个句子，也可以是两个句子，如问答。

输入张量需要经过<font style="color:rgb(6, 10, 38);">transformers</font> 库的 tokenizer（如 <font style="color:rgb(6, 10, 38);">BertTokenizer</font>）处理而来。

案例API使用(参考qwen)

# 设置分词器，不同词参数不同(选用不同标准分词)
tokenizer = BertTokenizer.from_pretrained("bert-base-chinese")

# 单句
out = tokenizer("Hello world!")

# 句子对
out = tokenizer("Question?", "Answer.")

# 批量 + 张量
batch_out = tokenizer(
    ["I like apples.", "She runs fast."],
    padding=True,
    truncation=True,
    max_length=64,
    return_tensors="pt"  # or "tf", "np"
)

# batch_out.input_ids.shape 含有CLS等字符结束标志

tokenizer的返回值挺多的，需要注意一下。

字段名	说明
input_ids	token 对应的词汇表 ID 序列（含 [CLS] 和 [SEP]）
token_type_ids	段 ID 序列（0 或 1）
attention_mask	指明哪些 token 是真实内容（1） vs padding（0）

输入层

输入层有三个部分组成，Token Embedding、Segment Embedding、Position Embedding。**Token Embedding->Segment Embedding->Position Embedding.**

Token Embedding

Token Embedding也称"词嵌入"层。

输入文本首先通过**分词器"WordPiece"**将文本切割为**<font style="background-color:#FBDE28;">subword tokens</font>**，这一步通常含有文本转小写，去除标点等作用。

BERT提出的特殊标记：

• [CLS]: 在序列开头，用于分类任务，代表整个句子的聚合表示。
• [SEP]: 用于分割 两个句子或者标记单句的结束。

[CLS] 我 爱 你 。 [SEP] 你 喜 欢 我 吗 ？ [SEP]

Segment Embedding

这一部分称为"段嵌入"，主要用于区分不同句子 。

Position Embedding

这一部分称为"位置嵌入"，主要用于表示每个token在序列中的位置 。

最后讲三个部分相加，得到嵌入层最总输出。

BERT网络结构

BERT的核心是transformer的编码器，每个编码器都包含：自注意力机制、前馈神经网络、残差连接和归一化，这个和transformer一致 。

• 自注意力机制：允许模型在处理序列的时候关注来着不同位置的token，并且计算不同token之间的权重，从而捕捉不同序列中的依赖关系。
• 前馈神经网络：对自注意力机制的输出进一步进行特征提取。
• 残差和归一化：提高模型的稳定性，防止模型退化。

输出层

这一部分取决于不同任务。

• a. 句子对分类
• b. 单句分类
• c. 问答
• d. 序列标志，如：输出每个Token的标签

预训练两种模型

BERT在预训练的时候采用两种任务：

Masked Language Model(MLM)

• 任务 ：在文本输入中，随机的遮蔽或者替换一些词汇，并要求模型预测这些被遮掩或者替换的词汇。
• **实现方法：**在预训练过程中，BERT随机选择文中15%的Token进行遮盖，其中80%的概率用【mask】进行标记替换，10%用随机词汇替换，10%保持不变。

Next Sentence Prediction(NSP)

• 任务：给定一个句子，判断第二个句子是否为第一个句子的后续句子。
• 实现 ：在预训练过程中，BERT构造了一恶搞二分类任务，其中50%的概率B是A真正的后续句子，标签为IsNext，50%概率为随机选择的句子，标签为NotNect，最后通过CLS标记的输出进行预测分类。

参考资料

• http://xhslink.com/o/6hUisNI8uvF