注意力與 Transformer 解釋 + 在 PyTorch 中從頭開始編碼（多頭注意力）#ai #llm

注意力、多頭注意力和完整的 Transformer，從零開始解釋並在 PyTorch 中從頭開始編碼，每一步都在一個小例子和螢幕上的每個張量形狀上手動完成。我們從為什麼循環網路陷入困境開始，將單字轉換為向量，並一步一步地建立注意力：點積、softmax、查詢、鍵和值、為什麼我們除以 d_k 的平方根、因果和填充掩碼。然後是多頭注意力：將 512 個維度分成 8 個頭，每頭 64 個，每行程式碼後面的形狀，以及針對 PyTorch 自己的 nn.MultiheadAttention 的檢查。接下來是 Transformer 的其餘部分：正弦位置編碼、殘差連接和 LayerNorm、前饋區塊、編碼器和解碼器層、交叉注意力和完整架構。最後，我們在 GPU 上即時訓練它，逐步解碼並查看它學到的注意力圖。重點：注意力讓每個 token 一步一步查看其他 token，這就是整個 Transformer。時間軸 0:00 - 3:55 為什麼注意力 3:55 - 7:35 字變成向量 7:35 - 16:07 注意力，一步一步 16:07 - 19:12 面具 19:12 - 26:50 多頭注意力 26:50 - 32:48完整內容Transformer 38:25 - 44:30 訓練與推理 44:30 - 46:50 摘要 訂閱更多：https://www.youtubedihosseinimoghadaminimoghadam GitHub：https://github.com/youtubedihosseinimoghadam LinkedIn：https://linkedin.https://github.com/ #Transformer #Attention #SelfAttention #MultiHeadAttention #PyTorch #DeepLearning #MachineLearning #LLM #NLP #AI #Python #AttentionIsAllYouNeed #ArtificialIntelligence