前言
当下红得发紫的chatGPT,给了我小小的危机感,因为我是写文案的企宣,未来可能会被机器人替代吧。现在更可怕了,chatGPT背后真正的大佬 Transformer来了,会带来什么伟大的变革呢?
《精通Transformer》一书是一本非常好的自然语言处理技术方面的著作,它由土耳其作者萨瓦斯·伊尔蒂利姆和伊朗作者梅萨姆·阿斯加里-切纳格卢合著,详细介绍了Transformer模型的原理、架构以及应用,包括Transformer的核心组件——自注意力机制、编码器和解码器架构、多头注意力机制等,并通过实例演示了如何使用Transformer模型解决自然语言处理问题,如文本分类、机器翻译、问答系统等。
通过本书的学习,读者可以利用Transformer 库探索最先进的自然语言处理解决方案;使用 Transformer体系结构训练任何语言模型;微调预训练的语言模型以执行多个下游任务;监控训练过 程、可视化解释Transformer 内部表示以及部署生产环境。
下载当前版本: 完整PDF书籍链接获取,可以V扫描下方二维码免费领取👇👇👇
目录
Transformer到底是什么,让ChatGPT如此迷恋?这只变形金刚,到底是只什么怪兽?——用于自然语言处理(NLP)的神经网络架构
第1 章 从词袋到Transformer。
本章简要介绍了自然语言处理的历史,并将传统方法、深度学习模型(如CNIN、RNN 和LSTM) 与Transformer模型进行了比较分析。
第2章 Transformer的实践操作入门。
本章深入探讨了如何使用Transformer模型,并通过实际例子阐述了分词器和模型,如BERT。
第3章 自编码语言模型。
本章讨论了如何从零开始在任何给定语言上训练自编码语言模型。训练过程将包括模型的预训练和特定任务的训练。
第4章 自回归和其他语言模型。
本章讨论了自回归语言模型的理论细节,并引导读者如何在自己的语料库中对模型进行预训练。读者将学习如何在自己的文本上预训练任何语言模型(如GPT- 2),并在各种任务(如语言生成)中使用该模型。
第5章 微调文本分类语言模型。
在本章中,读者将学习如何配置文本分类的预训练模型,以及如何微调文本分类下游任务的模型(如情感分析或多类别分类)。
第6章 微调标记分类语言模型。
本章讲述如何微调标记分类任务的语言模型[如命名实体识别 (NER)、词性标注 (POS)和问题回答 (QA)系统]。
第7章 文本表示。
在本章中,读者将学习文本表示技术以及如何有效地利用Transformer 体系结构,特别是对于无监督任务,如聚类、语义搜索和主题建模。
第8章 使用高效的Transformer。
本章展示了如何使用提炼、剪枝和量化方法,从预训练模型中 生成高效的模型。然后,读者将获得有关高效稀疏Transformer的知识,如Linformer 和 BigBird,以及如何使用这些模型。
第9章 跨语言和多语言建模。
在本章中,读者将学习多语言和跨语种语言模型预训练以及单语言和多语言预训练之间的差异。本章涉及的其他主题包括因果语言建模和翻译语言建模。
第10章 部署 Transformer 模型。
本章将详细介绍如何在 CPU/GPU环境中,为基于 Transformer的自然语言处理解决方案提供服务。本章还将描述如何使用 TensorFlow 扩展 (TFX) 部署机器学习系统。
第11 章 注意力可视化与实验跟踪。
本章涵盖两个不同的技术概念:注意力可视化与实验跟踪。 我们将使用诸如exBERT 和 BertViz之类的复杂工具进行实验练习。
下载当前版本: 完整PDF书籍链接获取,可以V扫描下方二维码免费领取👇👇👇