标签: Transformer

包含标签 "Transformer" 的所有文章：

• Transformer 过时了！MIT 液体神经网络 LNN 才是新趋势！

  发表:2025年4月1日 |  at 13:30

  MIT突破性成果登顶Nature子刊！科学家受线虫微型大脑启发，研发出革命性19节点液态神经网络系统。这一脑启发的AI架构在自动驾驶控制任务中展现出惊人表现：仅用传统神经网络万分之一规模的神经元数量，即实现更优性能表现。

• Transformer与混合专家（MoE）：大型语言模型的架构对比

  发表:2025年3月20日 |  at 15:00

  在自然语言处理（NLP）领域，Transformer模型凭借其强大的性能成为主流架构。然而，随着模型规模的不断扩大，计算效率和推理速度成为新的瓶颈。为了解决这些问题，混合专家（Mixture of Experts, MoE）架构应运而生。

• 深度学习五大模型：CNN、Transformer、BERT、RNN、GAN解析

  发表:2025年3月11日 |  at 04:00

  今天探讨它们各自适用的场景，让您知道在何种情况下选择何种模型；同时分析它们的优势与局限，助您全面评估这些模型的性能。

• 可视化AI模型CNN和Transformer

  发表:2025年2月25日 |  at 04:00

  Scalable. Interactive. Interpretable. At Georgia Tech, we innovate scalable, interactive, and interpretable tools that amplify human's ability to understand and interact with billion-scale data and machine learning models.

• Transformer源码解读

  发表:2025年1月23日 |  at 13:00

  之前我们一起了解了attention、transformer的原理，本文将会基于github的一个 transformer (下文会针对我对该代码的一个改版讲解)开源代码进行代码分析讲解，该代码相比于Google提供的tensor2tensor/transformer代码更简单，也更容易理解。

• Transformer模型详解

  发表:2025年1月19日 |  at 12:00

  Attention Is All You Need是一篇Google提出的将Attention思想发挥到极致的论文。这篇论文中提出一个全新的模型，叫 Transformer，抛弃了以往深度学习任务里面使用到的 CNN 和 RNN ，目前大热的Bert就是基于Transformer构建的，这个模型广泛应用于NLP领域，例如机器翻译，问答系统，文本摘要和语音识别等等方向。

• 深度解析Transformer模型及其核心组件

  发表:2025年1月2日 |  at 15:30

  Transformer模型以其卓越的性能和广泛的应用成为了新一代的领航者。这篇文章将带您深入探索Transformer模型的奥秘，从基础的注意力机制到复杂的编码器-解码器架构，再到多头注意力和位置编码的巧妙融合。无论您是AI领域的新手还是资深研究者，都能通过本文获得对Transformer模型深刻的理解和认识。