Transformer算法原理

Transformer算法原理，包含 Transformer算法背景与整体架构；文本数值化、词嵌入与位置编码；自注意力机制；多头注意力机制；填充掩码与因果掩码；残差连接、层归一化与前馈神经网络；编码器、解码器与交叉注意力；Transformer的训练与推理；PyTorch代码实现。

神经网络与深度学习笔记合集

PyTorch深度学习入门笔记合集

PyTorch深度学习入门笔记合集

OpenCV计算机视觉笔记合集

OpenCV计算机视觉笔记合集

神经网络与深度学习笔记_Day1，包含 深度学习 与 PyTorch

神经网络与深度学习笔记_Day2，包含 张量 与 自动微分

神经网络与深度学习笔记_Day3，包含 自动微分 与 激活函数

神经网络与深度学习笔记_Day4，包含 参数初始化、神经网络、损失函数 与 反向传播

神经网络与深度学习笔记_Day5，包含 梯度下降优化方法、学习率衰减策略、正则化 与 ANN案例

神经网络与深度学习笔记_Day6，包含 ANN案例、CNN概述、卷积层 与 池化层

神经网络与深度学习笔记_Day7，包含 CNN图像分类案例、RNN介绍、词嵌入层、循环网络层 与 AI歌词生成器案例

PyTorch深度学习入门笔记P26-32

PyTorch深度学习入门笔记P26-32，包含 完整的模型训练套路、利用GPU训练 和 完整的模型验证套路