【機器學習2021】Transformer (下)

slides: speech.ee.ntu.edu.tw/~hylee/m...

[@shanggao5336]

特别感谢李老师的讲解。能够将复杂的概念讲清楚，除了真正的理解，还有对传道授业解惑的热忱。相信李老师桃李满天下，值得“老师”这一尊称！👍

[@user-ob5yw7qk2p]

十分感谢李老师的讲解。一直对于transformer的组成，各部分设计的原因和作用有很多不理解的地方，停下来之后真的豁然开朗。感谢！

[@hudsonvan4322]

老師的講解真的很實用，跨時空造福整個亞洲圈，3年前還沒有資源可以玩整個 trasformer，甚至不少人認為trasformer的訓練只有大企業才玩得起，可能發展不會那麼快。誰知道後來 Lora 與 adaption 技術出來之後，人人都可以為快樂微調 LLM 了。並且現在的 instruct 系列的 LLM 都是 based on Transformer 架構，所以要了解 chatGPT, Gemini 的原理，仍然要回來複習這部最經典的 trasformer 課程影片。

[@user-hx7mh8bt2e]

要train transformer需要用什麼工具啊？tensorflow已經不夠用了是嘛？需要你說的Lora 與 adaption是嘛？

[@haowang-eb1lz]

我讲实话，在看李老师的视频之前，我从来没搞懂transformer到底是怎么运作的，真的讲得太好了，李老师配享太庙！

[@user-eb6yl2yz3s]

感謝李老師的分享~ ML全部都是看您的影片自學的，真的講的非常清楚，讓我好羨慕台大的學生ww

[@alvinpan2255]

通过李老师讲得，终于理清楚了seq2seq，transformer和attention之间的关系，而且后面的启发性思考太棒了！！

[@majack4300]

感谢李老师的分享，听李老师讲课是一种享受。

[@user-zy8sf7tv2f]

謝謝老師的無私分享

[@houwenhe4748]

把所有要素掰开揉碎了授课方式很容易吸收，而且还有直观的理解，不但知识学习，还会让我重新思考，真的受益匪浅，谢谢。

[@yhwang366]

油管中文视频讲的最好的老师了

[@TTM366]

從JOJO、諸葛村夫到小傑不能使用念能力😂 老師真的講的很好，謝謝提供這樣的課程內容！

[@TTM366]

還有硬train一發 哈哈哈

[@bowenyi-kj3vr]

非常感谢李老师的讲解，深入浅出，比KZbin上其他的讲解都好；配合Dan Jurafsky的教材一起看便帮助很大！

[@HebrewSongPod]

30:15 想請問老師，那張表的y軸單位是什麼啊? 看不太懂這種表... 謝謝

[@rulala]

Decoder上一步是把输出的结果softmax以后选出词表里面的词嵌入还是one-hot编码给到当前的输入呢？这里感觉不清楚

[@devin6833]

讲的实在是太好了

[@user-wb7mc7ip3z]

老师您真的很喜欢「硬 Train 一发」。

[@baobaolong423]

终于更新了！

[@Li-oy2bo]

还是得多看别的资料，才能比较熟悉transformer

[@ivantam9432]

網上找了一堆cross attention的片，你這個很清楚，thanks!

[@qw4316]

李老师、您有没有依托代码讲解的deep learning课程

[@user-uz7jb1sd1p]

太讚了

[@user-vw3pr5gq9g]

謝謝李教授 教授真的硬帥一發

[@qq_cat]

三刷了，每次都有新的收获

[@yoshiyuki1732ify]

我有个疑惑，可能有点Picky，Decoder明显是有输入的模型，叫autoregressive 是不是有些迷惑性呢？

[@zekunnnnnn6532]

哭惹 老师的课怎么上这么好啊！！

[@MRharryshieh]

終於搞懂了😭

[@zijianwang858]

太感谢李老师的。李老师是我的唯一男神！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

[@ruanjiayang]

关于为什么有些任务（例如TTS）需要在inference的时候加noise，其本质原因在于这种任务的ground truth本身就不具备唯一性（这并不是outlier哦），如果硬train，对于某一个input，输出的拟合结果实质是介于若干个ground truth之间的均值，所以不像人声，这种现象在训练集的ground truth中有不同音色、语速的人时会更明显。

[@jiashupan9181]

谢谢你！我明白了，是和后面的GAN提到的吃豆人视频生成一个道理吧。（如果你暂时还没有看的话，因为训练资料里既有向左的糖豆人，又有向右的糖豆人，ground truth不唯一，所以最后生成的视频里吃豆人会分身，也就是ground truth的平均）但是在为什么加noise会抑制这种现象呢？（具体noise又是加在哪里呢？输入还是ground truth？）

[@peiniguo8304]

@@jiashupan9181 我也有同样的问题！希望可以得到解答！

[@tony10130]

@@jiashupan9181 我的猜測是，加noise可一定程度避免"輸入完全等於訓練時看過的資料"，例如: 今天天氣真好 => 今天天氣真豪 或是 今天天氣真好!! 因為現在的深度模型大部分都已經overfitted，因此只要在訓練集看過，基本上都可以直接return訓練集結果，而對於多個ground truth的example，就是平均值。總之就是避免"輸入完全等於訓練看過的資料"。

[@anonymouslinkmust2482]

老师太棒了，从哔哩哔哩转战到youtube来看老师啦

[@tuchai5067]

+1

[@Jack-dx7qb]

太美了...

[@user-vi5nu6qo4w]

感谢李老师的视频，这个视频对应的作业有网址么。

[@jijie133]

Great video!

[@incendioraven4269]

老师， NAT这四个BEGIN有点不太懂

[@user-sz3bq3pb5s]

老师，感谢分享。不知道有作业链接吗？

[@nekokiku2918]

第一时间赶来学习

[@georgechang5994]

老师您好！请问Decoder的输入Output Embeding如何理解? 不能是one hot向量直接输入吧，one hot向量全是两两正交的，相乘不都变零了么？

[@rikki146]

不是跟 input embedding 獲得方法一樣?

[@hudsonvan4322]

你可以從十年前的 Language model 來理解會更容易想通，也就是 google 提出來的 word2vec tensorflow 官方教學程式碼，其實語言模型會有一個 python dict 的 lexicon (辭典)，用來將 NLP token (如: 中文詞彙、英文 sub-word) 與 word embedding 做對應。word embedding 是 trainable，當 model decoder forwarding 的時候輸出的 embeddings 可以用第一版的 dict 來查詢 word embedding 究竟是對應什麼 NLP token；接著，backward 之後，會更新 dict 裡面的 word embeddings 向量 (最佳情況可以想成相關的 word 的 embedding 變得更接近、相反意義的 embedding 拉得更遠)，這就產生新一版的 dict。所以回答你的疑問，其實模型計算時使用的 Embeding 是 trainable embedding 而不是 one hot vector。程式實作上不會單用一個 dict 來轉換 embedding 與 NLP tokens，而是用 2 個 dict 來間接轉換，你可以用 1 個 dict 把 NLP token 轉成 one-hot 以方便程式撰寫，同時會用第 2 個 dict 把 one-hot 再轉成 trainable word embedding，所以實際上模型計算時是使用 word embedding 而不是 one-hot vector。one-hot vector 是要把模型輸出的 embedding 轉成人類看得懂的語言的時候才會用到。

[@tonygan1132]

非常感谢，直接跪地磕头，老师能不能讲讲Transformer在CV领域的应用，NLP已经讲很多了

[@asdfasdfsd]

AT NAT 里的 “T” 代表什么意思？

[@alvinpan2255]

李老师 开源学习 yyds！！！！！

[@easonh6050]

老师真的是我在生父母啊

[@yongminghe2386]

为什么在做cross-attention的时候是一边的Q和另一边的K,V做，而不是一边的Q和K与另一边的V或者一边的Q和V与另一边的K呢？

[@user-sh5dm8hz8b]

我觉得你可能对Transformer的理解有些问题。我尝试跟你解释一下，attention要做的简单讲，就是用q，k求出v对应的比例，对所有的v进行weighted sum。这里的Q，之所以称之为Q，其实是Query的缩写，所以q的个数确定了后面生成的向量的数量。我的意思是，Q可以跟K，V的数量不同，但是K，V的个数必须是相同的，他们是成对出现的。

[@jijie133]

Now I know the difference between autoregressive decoder and non autoregressive decoder.

[@jijie133]

很好的视频

[@deskeyi]

43:27 老師試試「高雄發大財」😂

[@darkbreker2271]

老師我想問一下 台大的機器學習課程是只有大三有開課嗎？

[@xiaoyusi5582]

研究生也在修的

[@daddydear9610]

这个上和下，怎么感觉内容没有连上。。

[@lifengshi5237]

助教的课在哪儿呢

[@percyyang2794]

同问

[@user-nv1wc3xx4q]

菜鳥來簽名..... 講的好明白, 害我對神經網路的神祕感消失大半

[@user-hm6qc5ob8u]

李老师太牛了，放个二维码吧 我想给你扫码了

[@tonygan1132]

硬train一发，从call back到three-peat，到停不下来

[@ruanjiayang]

硬train一发！

[@lingju9942]

留下我的脚印哈哈哈哈

[@miku3920]

Beam Search = Monte Carlo Tree Search ?

[@user-sh5dm8hz8b]

Beam Search可以看作是贪心与穷举的折中。

[@chunyuyang911]

inference， not influence

[@asherwang3336]

硬 Train 一发！

[@taoo4612]

硬train一發

[@difeitang1823]

那这样子不还是输入N个，输出N个吗？

[@laplaceha6700]

transformer內的encoder是輸入n個(長度為n的向量序列vector seq)輸出n個(因為是用self-attention模組)；decoder是輸入n'個輸出n'個，但transformer本身輸入是n個，輸出是n'個，輸入長度不等於輸出長度。

[@difeitang1823]

嗯，看明白了，n‘长度是decoder自己决定的@@laplaceha6700

[@user-qc3vf9uo9g]

4:30 听到了下课铃声

[@yijiewu3754]

encoder你忘了就算了 :)

[@huanhuanzhang9641]

团长在黑暗大陆会不会凉

[@user-gy4ik1fq1n]

6666666 yyds

[@junpengqiu4054]

kzbin.info/www/bejne/hGfEg6lma86paMk 突然乱入幻影兵团

[@left_right_men]

謝謝老師的無私分享

[@jackzhang2811]

硬train一发！