Buckets:
| # Encoder modelleri | |
| <CourseFloatingBanner | |
| chapter={1} | |
| classNames="absolute z-10 right-0 top-0" | |
| /> | |
| <Youtube id="MUqNwgPjJvQ" /> | |
| Encoder modelleri Transformer modellerinin sadece encoder kısmını kulanır.Her aşamada, attention katmanları ilk cümlenin bütün kelimelerine erişir. Bu modeller genellikle çift yönlü attention olarak nitelendirilir ve genellikle *auto-encoding models* olarak adlandırılır. | |
| Bu modellerin öneğitimi genellikle verilen cümleyi bozmaya yöneliktir (örnek olarak, içindeki rastgele kelimeleri maskeleyerek) ve model ilk cümleyi bulma veya yeniden oluşturma ile görevlendirilir. | |
| Encoder modelleri cümle sınıflandırma, varlık tanıma (daha spesifik olarak sözcük sınıflandırma) ve extractive soru yanıtlama gibi cümlenin tam anlaşılmasını gerektiren görevler için uygundur. | |
| Bu model ailesinin temsilcileri şunlardır: | |
| - [ALBERT](https://huggingface.co/transformers/model_doc/albert.html) | |
| - [BERT](https://huggingface.co/transformers/model_doc/bert.html) | |
| - [DistilBERT](https://huggingface.co/transformers/model_doc/distilbert.html) | |
| - [ELECTRA](https://huggingface.co/transformers/model_doc/electra.html) | |
| - [RoBERTa](https://huggingface.co/transformers/model_doc/roberta.html) | |
| <EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/tr/chapter1/5.mdx" /> |
Xet Storage Details
- Size:
- 1.36 kB
- Xet hash:
- f13fd8f5890363553cc99d3ac3f908fca438d5ff9d214b7c703e6ac97f390345
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.