脚本宝典收集整理的这篇文章主要介绍了比赛记录，脚本宝典觉得挺不错的，现在分享给大家，也给大家做个参考。

https://carlos9310.github.io/2019/09/27/MRC-squad2.0/

其中output_weights、output_bias为新增的全连接层的参数，训练时随机初始化一组值，预测时直接通过张量名加载训练后的值。unstacked_logits的形状为[2,batch_size,seq_length]，start_logits的形状为[batch_size,seq_length]，表示每个批次中每个序列中的token作为答案起始的几率，end_logits的形状为[batch_size,seq_length]，表示每个批次中每个序列中的token作为答案结束的几率。

基于上述模型的预测输出start_logits与end_logits，和真实的start_positions与end_positions，分别计算交叉熵的损失(分类模型典型的损失函数)，然后利用已知优化器将损失不断减小，最终经过一定训练步数后确定最终的全连接层的参数。预测时，直接加载确定后的参数值，并由预测样本输出对应的预测结果。具体代码

什么决定token大小

脚本宝典总结

以上是脚本宝典为你收集整理的比赛记录全部内容，希望文章能够帮你解决比赛记录所遇到的问题。

如果觉得脚本宝典网站内容还不错，欢迎将脚本宝典推荐好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。