Transformer原理与代码精讲

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。

课程推荐

《Transformer原理与代码精讲》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。【技能收获】学完可掌握：核心实战技能、项目驱动学习。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（22 节）

*   1 课程介绍.mp4

*   2 注意力机制和自注意力机制.mp4

*   3 Transformer的架构概述.mp4

*   4 Transformer Encoder的多头注意力.mp4

*   5 Transformer Encoder的位置编码.mp4

*   6 Transformer 残差链接、LayerNorm、FFN.mp4

*   7 Transformer Decoder.mp4

*   8 Transformer的训练及性能.mp4

*   9 Transformer的机器翻译工作流程.mp4

*   10 安装pytorch.mp4

*   11 Transformer的Encoder代码解读.mp4

*   12 Transformer的Decoder代码解读.mp4

*   13 Transformer的超参设置代码解读.mp4

*   14 Transformer的训练示例（人为随机数据）代码解读.mp4

*   15 Transformer的训练示例(机器翻译)代码解读.mp4

*   16 安装TensorFlow.mp4

*   17 Transformer的数据集加载与预处理代码解读.mp4

*   18 Transformer的位置编码与多头注意力代码解读.mp4

*   19 Transformer的Transformer类代码解读.mp4

*   20 Transformer的优化器与损失函数代码解读.mp4

*   21 Transformer的训练代码解读.mp4

*   22 Transformer的推理与权重保存代码解读.mp4