- 畅销套餐
- 精选套餐
- 课程介绍
- 课程大纲
适合人群:
希望学习Transformer原理及实现代码的学员们
你将会学到:
掌握Transformer原理;掌握Transformer的实现代码
课程简介:
Transformer发轫于NLP(自然语言处理),并跨界应用到CV(计算机视觉)领域。目前已成为深度学习的新范式,影响力和应用前景巨大。
本课程对Transformer的原理和PyTorch及TensorFlow 2代码进行精讲,来帮助大家掌握其详细原理和具体实现。
原理精讲部分包括:注意力机制和自注意力机制、Transformer的架构概述、Encoder的多头注意力(Multi-Head Attention)、Encoder的位置编码(Positional Encoding)、残差链接(Residual Connection)、层规范化(Layer Normalization)、FFN(Feed Forward Network)、Transformer的训练及性能、Transformer的机器翻译工作流程。
代码精讲部分使用Jupyter Notebook对Transformer的PyTorch及TensorFlow 2实现代码进行逐行解读,包括:安装PyTorch/TensorFlow、Transformer的数据集加载与预处理代码解读、Transformer的位置编码与多头注意力代码解读、Transformer的Transformer类代码解读、Transformer的优化器与损失函数代码解读、Transformer的训练代码解读、Transformer的推理与权重保存代码解读。
课程大纲-Transformer原理与代码精讲
第1章课程介绍(15分钟1节)
第2章Transformer原理精讲(1小时37分钟8节)
第3章Transformer代码精讲(Pytorch)(1小时14分钟6节)
第4章Transformer代码精讲(TensorFlow 2)(1小时17分钟7节)
“白老师”老师的其他课程更多+