如何解决连接两个预训练的 BERT
max_length = 50
tokenizer = RobertaTokenizer.from_pretrained('roberta-large',do_lower_case=True)
encodings = tokenizer.batch_encode_plus(comments,max_length=max_length,pad_to_max_length=True,truncation=True) # tokenizer's encoding method
train_inputs = encodings['input_ids']
train_masks = encodings['attention_mask']
train_inputs = torch.tensor(train_inputs)
train_labels = torch.tensor(train_labels)
train_masks = torch.tensor(train_masks)
batch_size = 48
train_data = TensorDataset(train_inputs,train_masks,train_labels)
train_sampler = RandomSampler(train_data)
train_DataLoader = DataLoader(train_data,sampler=train_sampler,batch_size=batch_size)
model = RobertaForSequenceClassification.from_pretrained('roberta-large',num_labels=num_labels)
model.cuda()
嗨，我正在使用 HuggingFace 库进行分类，我想将两种类型的 BERT 连接在一起。这不是整个代码。我只是想让你知道我是如何使用标记器和编码的。现在我有两个问题：
1：如何查看创建的向量？它是维度和它自己的向量。 2：我应该在哪一步将两个 BERT 连接在一起？他们的载体？或者他们的输出（logit）可能？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
