資料內(nèi)容：
第1章: 貝葉斯理論下的Transformer揭秘
1，基于Bayesian Theory，融Hard Attention、Soft Attention、Self-Attention、Multi-head Attention于一身的Transformer架構(gòu)
2，為什么說(shuō)拋棄了傳統(tǒng)模型（例如RNN、 LSTM、CNN等）的Transformer拉開(kāi)了非序列化模型時(shí)代的序幕？
3，為什么說(shuō)Transformer是預(yù)訓(xùn)練領(lǐng)域底層通用引擎？
4，Transformer的Input-Encoder-Decoder-Output模型組建逐一剖析
5，Transformer中Encoder-Decoder模型進(jìn)行Training時(shí)候處理Data的全生命周期七大步驟揭秘
6，Transformer中Encoder-Decoder模型進(jìn)行Inference時(shí)候處理Data的全生命周期六大步驟詳解
7，Teacher Forcing數(shù)學(xué)原理及在Transformer中的應(yīng)用
