Transformer出现以前，人工智能的各个领域（自然语言处理、计算机视觉等）是兄弟爬山，各自努力。每个领域都有自己的模型框架。如今Transformer已经一统天下–包括目前火热的ChatGPT。作为一种具有更高普适性的AI模型架构，其必然蕴含有更为深邃的原理和思想，值得我们深入研究和领悟。
介绍Transformer的文章很多，但绝大部分是从谷歌的原始论文开始讲起。原始的模型是针对自然语言处理构建的，要深刻理解模型需要有一定的语言学的先验知识，以及海量的语料库数据，这些对于初学者来说是比较困难的。
我认为既然如今Transformer已经可以适用于AI的所有领域，应当有一些实验案例，剥离那些来自专业领域的先验知识，专门聚焦研究Transformer的原理与思想，以便我们能将这些原理与思想应用到新的任务中。
我在百度、GitHub上找了很多遍，一直没有找到这样的案例。因此本人决定利用假期时间，自己设计一个这样的案例。本人决定将案例设定为对扑克牌排序。
详情请见：AI是如何学习扑克牌排序的（一）
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
这是一个专注于人工智能产品的导航站。
