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，為什么說拋棄了傳統(tǒng)模型（例如RNN、 LSTM、CNN等）的Transformer拉開了非序列化模型時代的序幕？
3，為什么說Transformer是預訓練領域底層通用引擎？
4，Transformer的Input-Encoder-Decoder-Output模型組建逐一剖析
5，Transformer中Encoder-Decoder模型進行Training時候處理Data的全生命周期七大步驟揭秘
6，Transformer中Encoder-Decoder模型進行Inference時候處理Data的全生命周期六大步驟詳解
7，Teacher Forcing數(shù)學原理及在Transformer中的應用
