本文会对 transformer 进行一个非常详细的图解介绍，其中还会包含对「multi-head attention」，「self-attention」，「attention s...

本文会介绍 Transformer 的结构，主要包含 Encoder 和 Decoder 部分，其中包含的知识点有 self-attention，cross-attention，l...

本文会介绍「自注意力」模型，自注意力的关键就是一句话，查询、键和值都来自同一组输入。同时也会介绍位置编码的内容，来克服「自注意力」没有考虑输入的顺序。

在实际中，我们希望给定相同的 queries、keys 和 values，我们希望模型可以学习到不同的内容，然后将这些内容给组合起来。这就会用到「多头注意力」机制。本文会介绍「多头...

这一篇中，我们介绍使用注意力机制的 Seq2Seq。我们会将「注意力机制」用在 Seq2Seq 模型上面。这样在预测词元时，如果不是所有输入词元都相关，模型将仅对齐（或参与）输入序...

本文会来介绍「注意力分数」的计算。特别的，这里我们会使用高维的 query ，key 和  value 来举例子。可以将「注意力分数」理解为 query 和 key 的相似度。会介...

本文会介绍「注意力机制」的相关内容。主要会介绍「非参注意力机制」和「带有参数的注意力」。这里均使用一维数据作为例子。通过本文对 query，key-value 有所了解。也知道什么...