Connexion
Souvenir
Inscription
Questions
Sans réponse
Catégories
Utilisateurs
Poser une question
Fidle
Poser une question
Comment l'Embedding est il réalisé ?
0
votes
posée
par
anonyme
15 décembre 2022
dans
Séquence 5
y'a t-il une transformation sparse -> sémantique par langue ? y'a t-il des invariants à travers les langues ?
embedding
Votre réponse
Votre nom à afficher (en option)
Envoyez-moi un e-mail à cette adresse si ma réponse est sélectionnée ou commentée
Envoyez-moi un e-mail si ma réponse est sélectionnée ou commentée
Vie privée : votre adresse de messagerie ne sera utilisée que pour l'envoi de ces notifications .
Vérification anti-spam
Pour éviter cette vérification à l'avenir,
Connectez vous
ou
inscrivez vous
.
1
Réponse
0
votes
répondu
par
hatim[IDRIS]
Vétéran du GPU 🐋
(
20.4k
points)
15 décembre 2022
sélectionné
par
hunoutl[IDRIS]
15 décembre 2022
Meilleure réponse
Plusieurs méthodes existent. La plus simple (et plus utilisée) est de d’abord créer un dictionnaire de tous les mots que vous voulez utiliser (si c’est un modèle de français ce sera tous les mots de la langue française, si c’est multilingue ce sera tous les mots des langues voulues). Chaque mot sera associé à un id (un nombre entier). Puis lors de l'entraînement d’un modèle de deep learning, la première couche sera une couche d’embedding qui va associer un id à un vecteur qui sera déterminé par les poids de l’embedding. Lors de l'entraînement les poids vont changer (le modèle apprend) et donc les vecteurs commenceront à représenter mathématiquement la sémantique des mots (
https://miro.medium.com/max/1400/1*SYiW1MUZul1NvL1kc1RxwQ.png
).
Nous verrons un peu plus l’embedding dans la séance des transformers. Voulez-vous plus d’informations ?
Votre commentaire sur cette réponse
Votre nom à afficher (en option)
Envoyez-moi un e-mail à cette adresse si un commentaire est ajouté après le mien
Envoyez-moi un e-mail si un commentaire est ajouté après le mien
Vie privée : votre adresse de messagerie ne sera utilisée que pour l'envoi de ces notifications .
Vérification anti-spam
Pour éviter cette vérification à l'avenir,
Connectez vous
ou
inscrivez vous
.
Catégories
Toutes les catégories
Attestations
(14)
Installation FIDLE
(19)
01 - Bases, concepts et histoire
(57)
02 - L’enfer des données, des modèles et des représentations...
(21)
03 - Démo et Illustration
(8)
04 - AI, droit, société et éthique
(5)
05 - Mathématiques, gradients everywhere !!!
(6)
06 - Méthodologie des modèles/apprentissage + fine-tuning + TP
(10)
07 - Réseaux convolutifs CNN
(9)
08 - RNN et Embedding
(10)
09 - Transformers
(13)
10 - Graph Neural Network (GNN)
(10)
11 - Autoencodeur (AE)
(3)
12 - Variational Autoencoder (VAE)
(2)
13 - Generative Adversarial Networks (GAN)
(5)
14 - Diffusion Model (DM)
(3)
15 - Deep Reinforcement Learning (DRL)
(2)
16 - Physics Informed Neural Networks (PINNS)
(4)
17 - Optimisation de l'apprentissage
(2)
18 - Passer à la vitesse supérieure : l’accélération matérielle
(0)
19 - Multi-modalité
(1)
2nd JDLS
(0)
Archives 2022/2023
(77)
Installation Fidle
(61)
Attestation
(13)
Présentation de saison
(11)
Séquence 1
(29)
Séquence 2
(81)
Séquence 3
(52)
Séquence 4
(27)
Séquence 5
(16)
Séquence 5 : TP
(2)
Séquence 6
(20)
Séquence 7
(19)
Séquence 8
(35)
Séquence 9
(12)
Séquence 10
(11)
Séquence 11
(19)
Séquence 13
(9)
Séquence 14
(7)
Séquence 15
(7)
Séquence 16
(11)
Séquence 17
(5)
Séquence 18
(6)
Séquence 19
(5)
JDLS 2023
(3)
Bienvenue sur Fidle Q&A, où vous pouvez poser des questions et recevoir des réponses d'autres membres de la communauté.
...