精通Transformer：從零開始構建最先進的NLP模型
薩瓦斯·伊爾蒂利姆
1926人在讀
14.5萬字總字數
¥69.3定價
薩瓦斯·伊爾蒂利姆
AI領域的基石王者,那些還沉迷於CNN，RNN的工程師被警告：放棄戰鬥吧，向Transformer投降！ 在過去的二十年中，自然語言處理研究領域發生了翻天覆地的變化。在這段時間裏，自然語 言處理經歷了不同的處理範式，並最終進入了一個由神奇的Transformer體系結構主導的新時代。 Transformer深度學習架構是通過繼承許多方法而產生的，其中包括上下文詞嵌入、多頭注意力機制、位置編碼、並行體系結構、模型壓縮、遷移學習、跨語言模型等。在各種基於神經的自然語言處理方法中， Transformer架構逐漸演變爲基於注意力的“編碼器-解碼器”體系結構，並持續發展到今天。現在，我們在文獻中看到了這種體系結構的新的成功變體。目前研究已經發現了只使用 Transformer 架構中編碼器部分的出色模型，如 BERT(Bidirectional Encoder Representations from Transformers,Transformers雙向編碼表示);或者只使用Transformer架構 中解碼器部分的出色模型，如 GPT(Generated Pre -trained Transformer,生成式的預訓練 Transformer)。 本書涵蓋了這些自然語言處理方法。基於 Hugging Face社區的Transformer庫，我們能夠輕 松地使用Transformer。 本書將循序漸進地提供各種自然語言處理問題的解決方案：從文檔摘要到問 題回答系統。我們將看到，基於Transformer, 可以取得最先進的成果。
2025年讀完的第四十五本書，就目前讀過的十本LLM相關的書籍來講，這本書的質量真的非常差。這本書就是給人一種感覺，就是這個人眼耳口鼻單獨看都非常好看，但拼湊到一起的臉卻非常醜。 這本書講了很多基礎的內容，但都是非常基礎的，作者根本沒有深入解析Transomer的各種技術。它就之前簡簡單單的知識堆砌，讓人讀得雲裏霧裏，很多技術相關的內容讓人感到“知其然，不知其所然”的感覺。就是各種知識拼湊到一起，沒有構建出主體知識骨架和內容詳述的完整脈絡。 讀了差不多十四個小時，唯一讓我有眼前一亮的知識點是:長短期記憶網絡模型適用於識別跨時間的模式，而卷積神經網絡模型則適用於識別跨空間的模式。但是作者卻沒有給我展開敘述。 總的來說，這本書真的不值一讀，差評！
基本上是再講常見的transformer模型，以Bert家族爲主，介紹怎麼用huggingface的庫，怎麼用來解決不同的問題。有廣度沒有深度。理論部分可以看另一本書：BERT基礎教程：Transformer大模型實戰
快速瀏覽了本書，不推薦。這本書根本無法實現精通Transformer的職責，它僅僅介紹了Transformer模型相關的變體版本，以及實驗步驟和實踐步驟。這種介紹僅僅是非常粗淺的介紹，很不深入。 如果希望瞭解Transformer技術生態，做一個簡單上手的實踐指導方面的任務，這本書可以翻一下。
原著寫的如何沒法評價，因爲沒看幾頁，但是翻譯真的很爛，很爛，還不如機器翻譯的好。譯者不會chatgpt 麼？還是找了幾個初中生翻譯？但凡上過高中，也不會這麼沒水平！
寫的深一腳淺一腳的，連貫性也很差，雲裏霧裏的，暫時還看不明白！
這本書一上來就使用各種專有名詞，這不是給初學者準備的。需要你先對書中要講的模型進行學習後再來看這本書。但既然已經學習了 看這本書不知道能否能讓你更進一步有待商榷。給我的感覺是這本書原作者就像是個copy人員。並沒有加入自己的學習見解和思路來引導讀者。
除了最後一章可以看看外，其他寫的不知所云
翻譯的真爛，幾乎完全是機翻的，不知所云，還不如來英文原版。
原理講太少了，這個乾脆叫hugging face模型使用大全…
全書架構不錯，但是講解多數不在點上，上一秒還在雲裏霧裏，下一秒就總結說我們已經完成偉大驗證