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