非常详细的transformer笔记，包括XLNet, MT-DNN, ERNIE, ERNIE2, RoBERTa

作者华校专，曾任阿里巴巴资深算法工程师、智易科技首席算法研究员，现任腾讯高级研究员，《Python 大战机器学习》的作者。华老师也是我们的知识星球的嘉宾。

这是作者多年以来学习总结的笔记，经整理之后开源于世。

笔记地址：

http://www.huaxiaozhuan.com/深度学习/chapters/7_Transformer.html

Transformer简介

Transformer 是一种新的、基于 attention 机制来实现的特征提取器，可用于代替 CNN 和 RNN 来提取序列的特征。

Transformer 首次由论文 《Attention Is All You Need》 提出，在该论文中 Transformer 用于 encoder - decoder 架构。事实上 Transformer 可以单独应用于 encoder 或者单独应用于 decoder 。

Transformer笔记目录

一、Transformer

• 1.1 结构

• 1.2 Transformer vs CNN vs RNN

• 1.3 实验结果

二、Universal Transformer

• 2.1 结构

• 2.2 ACT

• 2.3 实验结果

三、Transformer XL

• 3.1 Segment-level 递归

• 3.2 相对位置编码

• 3.3 实验结果

四、GPT

• 4.1 GPT V1

• 4.2 GPT V2

五、BERT

• 5.1 预训练

• 5.2 模型结构

• 5.3 微调

• 5.4 性能

六、ERNIE

• 6.1 ERNIE 1.0

• 6.2 ERNIE 2.0

七、XLNet

• 7.1 自回归语言模型 vs 自编码语言模型

• 7.2 Permutation Language Model

• 7.3 Two-Stream Self-Attention

• 7.4 Partial Prediction

• 7.5 引入 Transformer XL

• 7.6 多输入

• 7.7 模型比较

• 7.8 实验

八、MT-DNN

• 8.1 模型

• 8.2 实验

九、BERT 扩展

• 9.1 BERT-wwm-ext

• 9.2 RoBERTa

笔记截图

笔记截图

其他

华校专老师的个人网站：

http://www.huaxiaozhuan.com/

笔记地址：

http://www.huaxiaozhuan.com/深度学习/chapters/7_Transformer.html

github：

https://github.com/huaxz1986

往期精彩回顾