Bert框架详解（下）
一、Bert模型网络结构
1、Add与Normalize
Add：将前面的数据传到后面层，残差网络同理。
Normalize ：归一化，与batch normalize同理。
2、outputs(shifted right)
outputs（shifted right）：指在解码器处理过程中，将之前的输出序列向右移动一位，并在最左侧添加一个新的起始符（如“<sos>”或目标序列开始的特殊token）作为新的输入。这样做的目的是让解码器在生成下一个词时，能够考虑到已经生成的词序列。 作用：通过“shifted right”操作，解码器能够在生成每个词时，都基于之前已经生成的词序列进行推断。这样，解码器就能够逐步构建出完整的输出序列。 示例说明：假设翻译任务，输入是“我爱中国”，目标输出是“I love China”。在解码器的处理过程中： 在第一个步，解码器接收一个起始符（如“<sos>”）作为输入，并预测输出序列的第一个词“I”。 在第二个步，解码器将之前的输出“I”和起始符一起作为新的输入（即“<sos> I”），并预测下一个词“love”。 以此类推，直到解码器生成完整的输出序列“I love China”。
3、训练数据
方法一：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。
方法二：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。