Лекция. Архитектура Transformer. Введение, Transformer Encoder
ฝัง
- เผยแพร่เมื่อ 21 มี.ค. 2024
- Занятие ведёт Татьяна Гайнцева
Ссылка на материалы занятия: docs.google.com/presentation/...
---
Deep Learning School при ФПМИ МФТИ
Каждые полгода мы запускаем новую итерацию нашего двухсеместрового практического онлайн-курса по глубокому обучению. Наборы проводятся в августе-сентябре и январе-феврале.
Поддержать канал можно по ссылке boosty.to/deeplearningschool
За нашими новостями можно следить здесь:
Наш канал в TG: t.me/deep_learning_school_news
Официальный сайт: dls.samcs.ru/
Официальная группа ВК: dlschool_mipt
ФПМИ МФТИ
Официальный сайт: mipt.ru/education/departments...
Магистратура: mipt.ru/education/departments...
Онлайн-магистратура "Современная комбинаторика": omscmipt.ru/
Онлайн-магистратура "Цифровая экономика": digec.online/
Лаборатории ФПМИ: mipt.ru/education/departments...
Очень крутое объяснение энкодера! Спасибо 🙏
да, спасибо за замечание, это опечатка(
В 16:51 при подсчете σ_i выражение (x^e_j - μ_i) должно быть в квадрате. Нет?
Ага, без квадрата эта сумма просто 0 будет)
На слайде "Идея Transformer" доброе утро переведено, как good night
10:17 сумма вероятностей после Softmax 1.1
Не очень понятно пояснение, почему нельзя использовать One Hot Encoding позиции (30:01). Поясните, пожалуйста. То, что по памяти неэффективно для больших входов в целом понятно.
как минимум потому, что one-hot encoding требует, чтобы векторы были длины количества элементов. Т.е. если у вас в последовательности n токенов, то чтобы закодировать их места one-hot векторами, нужны векторы длины минимум n. А мы хотим, чтобы position encodings суммировались с нашими векторами эмбеддингов
не совсем понял - мы складываем вектор внимания а с соответствующим эмбеддингом... но у них же размерности разные. эмбеддинг может быть длиной в несколько сотен значений ,а вектор внимания в данном случае ,содержит всего 4 значения... как мы их складываем?
Почему вы решили, что вектор внимания содержит 4 значения? Это не так. Размерности векторов внимания и эмбеддинга одинаковые.
@@user-jw1rg1tg9g спасибо, я наверно не правильно понял. Надо пересмотреть ролик
Про какую дополнительную статью идет речь? 34:07
Что-то я не вижу ее на Степике
Добавим, вчера не успели, извините
Спасибо :) @@DeepLearningSchool
@@Ksorz подскажите, о каком курсе степика идет речь? немедленно присоединюсь)
@@user-jw1rg1tg9g "Deep Learning (семестр 2, весна 2024)". Ссылки Ютуб режет
@@user-jw1rg1tg9g вот: stepik.org/course/196142/syllabus
А где предыдущая лекция про голый attention?
вот: th-cam.com/video/Fki-Xe3CGg8/w-d-xo.htmlfeature=shared
Яндекс даже раньше самого Гугла выкатил трансформер для перевода
Из этого видео узнал больше про DL чем за семестр в унике. Привет из ДВФУ🤡
Может кто-нить объяснить, как из токенов получаются ембеддинги?
Это было в первой лекции курса (th-cam.com/video/WbtQzAvhnRI/w-d-xo.html - Word2Vec, GloVe, FastText). Там был довольно подробный разбор и мы обучали эмбеддинги самостоятельно. Однако потом всё это заменил один единственный слой в нейросети, который что-то там внутри себя делает с токенами и получаются эмбеддинги. Действительно, тут нам особо не объясняли, как теперь это работает, но полагаю, внутри этого слоя что-то подобное