精通Transformer：从零开始构建最先进的NLP模型
萨瓦斯·伊尔蒂利姆
1926人在读
14.5万字总字数
¥69.3定价
萨瓦斯·伊尔蒂利姆
AI领域的基石王者,那些还沉迷于CNN，RNN的工程师被警告：放弃战斗吧，向Transformer投降！ 在过去的二十年中，自然语言处理研究领域发生了翻天覆地的变化。在这段时间里，自然语 言处理经历了不同的处理范式，并最终进入了一个由神奇的Transformer体系结构主导的新时代。 Transformer深度学习架构是通过继承许多方法而产生的，其中包括上下文词嵌入、多头注意力机制、位置编码、并行体系结构、模型压缩、迁移学习、跨语言模型等。在各种基于神经的自然语言处理方法中， Transformer架构逐渐演变为基于注意力的“编码器-解码器”体系结构，并持续发展到今天。现在，我们在文献中看到了这种体系结构的新的成功变体。目前研究已经发现了只使用 Transformer 架构中编码器部分的出色模型，如 BERT(Bidirectional Encoder Representations from Transformers,Transformers双向编码表示);或者只使用Transformer架构 中解码器部分的出色模型，如 GPT(Generated Pre -trained Transformer,生成式的预训练 Transformer)。 本书涵盖了这些自然语言处理方法。基于 Hugging Face社区的Transformer库，我们能够轻 松地使用Transformer。 本书将循序渐进地提供各种自然语言处理问题的解决方案：从文档摘要到问 题回答系统。我们将看到，基于Transformer, 可以取得最先进的成果。
2025年读完的第四十五本书，就目前读过的十本LLM相关的书籍来讲，这本书的质量真的非常差。这本书就是给人一种感觉，就是这个人眼耳口鼻单独看都非常好看，但拼凑到一起的脸却非常丑。 这本书讲了很多基础的内容，但都是非常基础的，作者根本没有深入解析Transomer的各种技术。它就之前简简单单的知识堆砌，让人读得云里雾里，很多技术相关的内容让人感到“知其然，不知其所然”的感觉。就是各种知识拼凑到一起，没有构建出主体知识骨架和内容详述的完整脉络。 读了差不多十四个小时，唯一让我有眼前一亮的知识点是:长短期记忆网络模型适用于识别跨时间的模式，而卷积神经网络模型则适用于识别跨空间的模式。但是作者却没有给我展开叙述。 总的来说，这本书真的不值一读，差评！
基本上是再讲常见的transformer模型，以Bert家族为主，介绍怎么用huggingface的库，怎么用来解决不同的问题。有广度没有深度。理论部分可以看另一本书：BERT基础教程：Transformer大模型实战
快速浏览了本书，不推荐。这本书根本无法实现精通Transformer的职责，它仅仅介绍了Transformer模型相关的变体版本，以及实验步骤和实践步骤。这种介绍仅仅是非常粗浅的介绍，很不深入。 如果希望了解Transformer技术生态，做一个简单上手的实践指导方面的任务，这本书可以翻一下。
原著写的如何没法评价，因为没看几页，但是翻译真的很烂，很烂，还不如机器翻译的好。译者不会chatgpt 么？还是找了几个初中生翻译？但凡上过高中，也不会这么没水平！
写的深一脚浅一脚的，连贯性也很差，云里雾里的，暂时还看不明白！
这本书一上来就使用各种专有名词，这不是给初学者准备的。需要你先对书中要讲的模型进行学习后再来看这本书。但既然已经学习了 看这本书不知道能否能让你更进一步有待商榷。给我的感觉是这本书原作者就像是个copy人员。并没有加入自己的学习见解和思路来引导读者。
除了最后一章可以看看外，其他写的不知所云
翻译的真烂，几乎完全是机翻的，不知所云，还不如来英文原版。
原理讲太少了，这个干脆叫hugging face模型使用大全…
全书架构不错，但是讲解多数不在点上，上一秒还在云里雾里，下一秒就总结说我们已经完成伟大验证