大模型算法基础：Transformers原理与应用
田永林 张亚洲 王飞跃
282人在读
22.5万字总字数
¥34.86定价
田永林 张亚洲 王飞跃
"在人工智能迅猛发展的背景下，Transformer作为大模型的核心架构，已成为推动智能技术变革的重要引擎。本书梳理了Transformer的技术脉络与典型应用，旨在帮助读者全面理解这一划时代的信息机器。 全书共6章，系统阐述Transformer模型的核心机制与演进路径。第1章介绍自注意力机制等基础构件； 第2~4章分别探讨Transformer在自然语言处理、计算机视觉和多模态学习中的应用，涵盖BERT、ViT、CLIP等代表性模型； 第5章聚焦自动驾驶场景，展示Transformer在感知、预测与规划等模块中的统一建模潜力； 第6章则讨论基于Transformer的AI智能体构建，展望其在通用智能系统中的未来发展方向。 本书适合人工智能、计算机科学、认知科学等相关领域的高校师生、研究人员、开发工程师及行业从业者阅读，也为关注AI技术发展的管理者与决策者提供了清晰的技术脉络与应用图景。 "
部分解释有参考价值，在中文书里算清楚的。推荐英文书 natural language processing with transformers .Lewis Tuntall .讲的更清楚。
开始对自注意力机制的原理解释还有些东西，后面开始就变成了堆砌文字和概念了。既没有新的观点和论据，也没有对于外行人的深入浅出的解释，感觉就是一篇凑字数的三流论文。