标签：transformer

2026-09-05andy阅读(81)

时间序列预测是机器学习中最常见也最具挑战性的任务之一。无论是销售预测、流量预估、股票分析还是能源负荷预测，时间序列数据无处不在。与常规表格数据不同，时间序列数据具有时序依赖性、季节性和趋势性等独特特征，需要专门的建模方法。本文将从经典统计方...

2026-08-03andy阅读(136)

在深度学习的实际工程中，变长序列处理一直是一个令人头疼的问题。无论是 NLP 中的不定长文本、语音识别中的变长音频帧，还是时间序列预测中的不规则采样，都需要我们在计算图中优雅地处理动态形状。TensorFlow 2.x 虽然以 Eager ...

2026-07-27andy阅读(178)

在大语言模型的演进历程中，位置编码（Positional Encoding）始终是一个核心而微妙的问题。Transformer 架构本身是排列等变的，它无法区分“猫追狗”和“狗追猫”——必须通过位置编码注入顺序信息。自 2021 年苏剑林等...

2026-07-25andy阅读(149)

自2017年Google在论文《Attention Is All You Need》中提出Transformer架构以来，它已经彻底改变了自然语言处理乃至整个深度学习的格局。从BERT到GPT，从ViT到CLIP，几乎所有现代大型模型的核心...

2026-07-17andy阅读(213)

从序列建模到线性复杂度：状态空间模型的前世今生 在深度学习领域，Transformer 架构凭借其强大的自注意力机制，几乎统治了自然语言处理、计算机视觉等所有主流任务。然而，Transformer 的核心——自注意力——的计算复杂度是 O(...

2026-07-07andy阅读(250)

MIT 6.S191 深度学习入门免费课程：从神经网络基础到最新AI前沿的完整学习指南 在人工智能领域，MIT（麻省理工学院）的课程一直以高质量著称。其中MIT 6.S191 “Introduction to Deep Lear...

2026-07-05andy阅读(490)评论(0)

如何通过流水线排布优化摩尔线程 MT-S 系列显卡的 Transformer 算子性能 在国产 GPU 适配过程中，摩尔线程（Moore Threads）的 MUSA 架构表现出色。但要榨干其 MT-S 系列（如 MT-S80/MT-S30...

2026-07-05andy阅读(523)评论(0)

零基础也能懂：Transformer 核心架构可视化学习指南 作为一名正在自学 AI 的技术博主，我深知直接看论文《Attention Is All You Need》有多痛苦。今天给大家安利一个被全世界 AI 学习者封神的免费资源：Jay...

2026-06-27andy阅读(198)

在过去的几年中，Transformer 架构已经成为深度学习领域最核心的基石，从 NLP 到 CV 再到多模态大模型，几乎无处不在。而注意力机制（Attention）作为 Transformer 的核心组件，其计算复杂度随序列长度呈二次增长...

2026-06-20andy阅读(257)

在大模型时代，掌握NLP（自然语言处理）技术已经成为AI从业者的必备技能。Hugging Face作为全球最大的开源AI社区，提供了一套完全免费的NLP课程——Hugging Face NLP Course，涵盖从Tokenizer到Tra...