http://zh-v2.d2l.ai/chapter_natural-language-processing-pretraining/bert.html
I agree with you, np.repeat( [0,1], 3 ) = [0,0,0,1,1,1]
在下一句预测里面为什么要先flatten encoded_X 啊? 根据后面, 不应该只输入<cls>对应的特征吗?
encoded_X = torch.flatten(encoded_X, start_dim=1) #这里为什么不是 encoded_X[:,0,:] ?
# NSP的输入形状:(batchsize，num_hiddens)
nsp = NextSentencePred(encoded_X.shape[-1])
nsp_Y_hat = nsp(encoded_X)
nsp_Y_hat.shape
我觉得应该是:
nsp_input = encoded_X[:, 0, :]
print("nsp_input", nsp_input.shape)
# NSP的输入形状:(batchsize，num_hiddens) 只需要输入<cls>的特征
nsp = NextSentencePred(nsp_input.shape[-1])
nsp_Y_hat = nsp(nsp_input)
nsp_Y_hat.shape
1 Like
- 为什么BERT成功了？
因为BERT整合了词的表示依赖于它们的上下文；对上下文进行双向编码，并且架构是任务无关的，从左到右编码上下文。
- 对于上下文敏感的词表示，如ELMo和GPT，词的表示依赖于它们的上下文。
- ELMo对上下文进行双向编码，但使用特定于任务的架构（然而，为每个自然语言处理任务设计一个特定的体系架构实际上并不容易）；而GPT是任务无关的，但是从左到右编码上下文。
我也有这个疑问…
而且他说用单隐藏层的感知机, 可是代码中根本没有隐藏层.
我认为，单隐藏层就是nn.Linear。
使用torch.flatten是因为，在这个例子中，X.shape=(2,8,768)，也就是有2个句子，每个句子有8个单词，目的是分类这两个句子。但是没有<cls>，所以它认为每个句子的嵌入（[1,8*768]）就是<cls>。
有的，但是这里的代码结构不好，增加了理解障碍。
很奇怪的，一个专用于nsp的linear被抽到了最后的整合代码里。NSP的MLP除了NextSentencePred函数中的self.output，还包括整合代码中的self.hidden。这样就存在一个隐藏层了。
确实应该这样，不过这部分代码放到了最后整合里，很奇怪。
不是的，不用强行解释。nsp的输入就是<cls>，只不过包括输入选择和隐藏层都放到了整合代码里。
self.output = nn.Linear(num_inputs, 2)
NextSentencePred类中的线性层参数在声明的时候就固定了，展平后的参数对不上。而且<cls>是一定会有的。
1 Like
此处只是简单演示而已，并不是真正写进BERT里面的逻辑。在后面BERTModel类定义forward函数，计算nsp_Y_hat的时候就是拿< cls >的向量去计算的，这样就与理论相同了。
exactly. 不过我反而要问为什么只使用 encoded cls token就足够了？
+1，同样感觉这样更正确，并且也符合文字和ppt的描述。
