transformer库建立思路

(1) Model类: 如BertModel , 目前收录有超过30个PyTorch模型或Keras模型;
(2) Configuration类: 如BertConfig , 用于存储搭建模型的参数;
(3) Tokenizer类: 如BertTokenizer , 用于存储分词词汇表以及编码方式;
使用from_pretrained()和save_pretrained()方法来调用和保存这三种类的实例对象;

语言模型

带掩码的语言模型

: 即通过挖去语句中的部分单词，对这些单词进行预测得到的结果

因果语言模型

Causal Language Modeling: 即通过n-gram单词序列预测下一个单词的方法

目前收录一些文本生成模型

GPT-2

OpenAi-GPT

CTRL

XLNet

Transfo-XL

Reformer

模型汇总

transformer模型可以分为以下几类:
自回归(autoaggressive)模型:
自编码(autoencoding)模型: 破坏(corrupting)输入分词序列, 并试图将其用另一种设法重构原始序列, 一般来说这类模型都会对整个语句进行双向(bidirectional)表示, 最经典的模型就是BERT;
sequence-to-sequence模型: 即使用transformer架构中的编码器与解码器;
多模式的(multimodal)模型: 将文本输入转换为其他类型的输出(如图片);
基于检索的(retrieval-based)模型;

模型保存与调取

模型保存与调取**: save_pretrained()与from_pretrained()方**法;

模型共享

使用$git$上传到模型指定的仓库。

多语言模型

经验

了解常用的语言模型调的时候进行学习与研究。

认真将transformer模块好好研究以下，全部都将其搞定都行啦的理由与打算。；