【NLP深度】Informer稀疏注意力机制数学流程全解
合集 · NLP从入门到精通 (9)
-
01 Transformer中的注意力机制
49:53
-
02 Transformer基本结构:Embedding与位置编码
17:37
-
03 Transformer在Pytorch中的参数与实现
23:47
-
04 Transformer在传统NLP领域的应用:机器翻译、文本分类、文本生成
17:56
-
05 Huggingface中的Transformer
39:56
-
06 Informer架构全解!一起来认识长序列预测SOTA模型架构!
34:33
-
07 Informer稀疏注意力机制数学流程全解
41:45
-
08 20分钟认识Informer框架与实战流程
45:34
-
09 Informer框架参数全解与预测实战
39:37
Description
公开课节选自《深度学习实战》正课,【视频PPT&课件领取】添加🌍:littlecat_1205,回复“DL”即可领取!更完整更详细的LSTM实战讲解&案例讲解&原理精解请了解【深度学习实战 付费正课】添加🌍:littlecat_1205,回复“优惠”详询哦~!
Comments
讲的真好
♥ 3
[支持][支持][支持]
♥ 1
您好,这边有个疑问,就是那些不活跃的q用均值代替,那个均值指的是什么的均值啊,我看有的是把输入的v矩阵的全局平均来代替这个不活跃的q的qkv计算结果
↩ 1