Transformer课程 第25章：阅读理解MRC模型集成、蒸馏、部署及源码实现

Transformer课程 第25章：阅读理解MRC模型集成、蒸馏、部署及源码实现
1，模型集成ensemble有效性背后的Bayesian数学原理深度剖析
2，模型扰动造成的方差数学原理剖析
3，方差与normalization
4，基于投票思想的模型集成方法及其在多选题和完形填空中的应用
5，基于bagging思想的模型集成方法
6，基于boosting思想的集成方法
7，基于stacking思想的模型集成方法
8，Blending机制
9，阅读理解中的模型ensemble：BERT + Linguistic Knowledge + Ensemble Algorithm
10，用小模型去学习大模型的预测结果及泛化能力
11，Teacher model - distilled model架构解析
12，soft labels、hard label
13，soft predictions、hard prediction
14，信息对齐：样本、中间结果、网络结构
15，DistillBERT用于Knowledge Distillation
16，server framework + deep learning framework API
17，server framework + deep learning serving
18，modeling完整代码解析
19，data utils源码解析
20，model utils源码解析
21，classifier utils源码解析
22，classifier源码解析
2