Transformer

[@amoshuangyc]

講得太好了！網上的文章怎麼看都看不懂，現在終於讓我搞懂 self attention 在做什麼了

[@fissyercJ]

老師的課程很棒，很幽默也一直有在更新新的model，非常喜歡老師的課程。

[@yufan2148]

7:58 Self-attention 27:57 Positional Encoding 37:25 Transformer

[@hudsonvan4322]

5:32 這邊應該是指CNN 但口誤講成RNN

[@ipodyy6744]

李老师讲的seq2seq model的链接能给一个吗？

[@blchen1]

谢谢李老师的精彩讲解！提纲挈领、深入浅出，令人受益匪浅！

[@abc123634]

等老師介紹 Transformer 的影片等幾個月了，實在實在是太棒了🌟

[@abc123634]

如果你看完教授的影片覺得手癢想要動手實作，可以參考這篇文章：leemeng.tw/neural-machine-translation-with-transformer-and-tensorflow2.html

[@JohnSun-rt6qb]

@@abc123634 感謝分享，也覺得您的文章非常精實，獲益良多~

[@timehsw7277]

@@abc123634 写得很棒，获益颇多，谢谢！

[@chengliu3033]

老师讲的非常好，收获很大，感谢李教授

[@Lookman-z9l]

天涯若毗邻，这个比喻真的好形象啊，而且直接回应了LSTM的缺陷

[@li-pingho1441]

真的講超好......沒有李教授的線上課 一堆研究生真的完蛋

[@jxm8944]

李先生好！Transformer 模型/原理的解析：用于机器翻译任务，表现极好且可并行化，大大减少训练时间。 点赞！ 🌹

[@jasonchen8486]

Bert 是芝麻街裡的一個人物/玩偶!! 🙂早期台灣電視有芝麻街, 現在台灣人大概都不知道了, 但在美國大概沒有人不知道Bert這個人物. 在NLP領域近年很有名的 BERT and ELMo 都跟芝麻街的兩個知名玩偶同名

[@JoeL-fb2gw]

专门注册一个账号来感谢老师 讲的很好，非常感谢！

[@Geeker_LStar]

Aaaaa 全网最最最最最好的视频!!!! 谢谢老师!!!!!

[@chanvincent9812]

前后看了好几遍，终于是看懂了，心情都舒畅了很多，感谢李老师

[@jason81112]

感謝老師解答 不然原論文內h=8那邊我一直一頭霧水 我原本還在猜想是不是有維度考量拆成8份來降為之類的 畢竟O^2*d 的確挺大的 另外我覺得後面self attention gan那邊 其實non-local network那個例子比較好XD SAGAN相對non-local來說寫得比較隨意 non-local那邊有一些思想上的闡述~

[@doPringlesCanDreamofPotatoe]

感谢老师！终于懂了为什么positional embedding可以直接加上来

[@honlin-z2g]

I realized that the factor "d^(1/2)" doesn't have anything to do with final weights, since it's constant ( or say fair to any dot product) , that means it may change the distribution, but without order

[@胡浩-h8r]

感谢李老师的付出，可以看出做这些PPT需要许多的精力！这比看原论文舒服多了

[@taiwanest]

如此清晰透側的教學，令人驚嘆！

[@alexanderyau6347]

太棒了，讲的非常好！非常清晰透彻！感谢李教授！

[@wolfmib]

for 13:20: we could consider two Vector with D dimension : 1. When doing the inner product of the vector pairs , we can think : ___ the same vector with different dimension shall meet equal relationship as we expected:___ such as A(1,1,1), with B(1,1,1) D=3 a(1,1,1,1) with b (1,1,1,1) , D = 4 This two pair of vector (A,B ) , (a,b) shall has the same attention value: So take the inner product for both of two paris: A * B = 3 a * b = 4 and we found 3 != 4, so we divide by the square of the dimension: A*B / sqrt(3) = 3 / 1.7320 ~ 1.7320 a* b / sqrt(4) = 4 / 2 ~ 2 by this approximate : indeed, A*B is closer to a*b (even it's not exactly equal) , but it definitely is a better solution instead of taking the inner product without divide anything.

[@zechenliu5760]

按这种解释的话，直接除以D不就好了？为什么要除以根号D?

[@muhammadsaadmansoor7777]

I not only understood transformers but I also learned Chinese from this video

[@midijean2291]

老师讲的真是太好了！看完了再去看paper就好读太多了！

[@gphonebeta]

这个是全网讲transformer最好的视频，还是中文的，爱死李宏毅老师了。

[@peace3524]

老師的課程真的是福音😆

[@youzhongwang3647]

谢谢李老师！请问一下在decoder的时候，因为只能用output左边的部分做attention，那么在train decoder的时候还是in parallel的吗？如果是，请问有没有详细一点的介绍是怎么实现的？谢谢！

[@xchrisliu]

之前读Transformer的文章，都会提到李老师的这个视频，今天看了一下真的是名不虚传，很多我之前有疑问的地方都被解答了

[@chenzunfan]

不爱学习的人也看下来了，好像脱口秀，感谢李老师的幽默！

[@guang-yanzhang6122]

李老师的思维非常的清晰，富有条理性

[@stoneshou]

非常感谢！ 有个小建议，右下角的水印有时会挡到内容，不知道有没有可能把水印或者挡住的部分分开

[@htai7163]

深入简出，讲的太好了。

[@lixunxie6195]

讲的很好，谢谢李老师的讲解

[@leojan4668]

太厉害了老师！！！我这种初学者都能听懂

[@cgqqqq]

厉害，太多的视频要么是烂大街的high level，和你泛泛而谈attention有什么特点，要么是low level，xx软件工程师一上来就是矩阵运算各种工程code，只会写代码也不知道为什么要这么弄，李教授的视频能把high level和low level都串联到了，让人知其然知其所以然，这个是真的厉害，感谢！

[@sollunaliu7133]

史上最强transfermer视频讲解，支持老师～

[@shencunzailaozhang]

老师很准时，谢谢您辛苦的付出。

[@tianyuwang5827]

44:07, 关于"it"对于其他词的attention我有点不懂。比如计算“it”到“animal”的attention，按照之前的计算方式，结果应该只和“it”的 query vector 以及"animal"的 key vector 有关，为什么不相关的“wide”会影响到这两个词之间的attention呢？

[@zdx4571]

谢谢老师让我了解新知识~

[@osmanjant]

You are aswesome teacher. Don't stop uploading new videos. Thanks.

[@noahxu4647]

谢谢李老师的分享，讲的非常的详细

[@haoyundeng1498]

我有两个问题 1. 整个模型中的所有参数，包括W_Q, W_K, W_V，以及dense layer参数，softmax参数等等都是在最后翻译完成之后用cross entropy loss来一起train的吗，还是把W矩阵提前train好再拿来计算train其他参数？2. multi head的情况，怎么样获得不同的W_Q, W_K, W_V呢？既然我有一个“最好”的W矩阵来反应输入各个单词之间的关系，怎么还要不同的呢？有怎么保证它们不同？

[@mengyuge3369]

Thank you very much. Great video

[@user-saint]

受益良多，感謝老師

[@talkshuo7866]

泪目！感谢老师！！

[@zmario8605]

I have never seen such a great course video！ Thank you very much

[@vincentyang8393]

Great talk! thanks

[@孤城-o3c]

老师讲的真好

[@8124K-u4x]

i wish i know chinese

[@StevenLiuX]

感谢老师! 终于看懂了 恨不能多点几个赞!

[@jamgplus334]

天涯若比邻,这句绝了

[@lucywang8643]

did such a great job in explaining! Thank you!

[@jackdawson2870]

牛逼，还有informer

[@jackdawson2870]

seq to seq已经被transformer洗过一轮了，真实

[@JohnNeo]

讲得很清楚👍

[@bobchen2817]

😭，讲得太好了，找了好多材料~~

[@allenlai9954]

謝謝老師 講解的非常清楚

[@旅行者-z5o]

其实可以考虑放在bilibili上，没有广告。。

[@LiangyueLi]

讲得最清晰的影像了

[@haoteli2122]

老师讲得太好了，我都tm庆幸母语是中文

[@JirongYi]

At 40:03, is b=[b^1; b^2;...;b^4] or b is one of b^1, b^2, b^3, and b^4?

[@justinzhang1323]

老师讲得太好了！

[@kunhongyu5702]

牛逼，最清晰

[@mao1mao]

那几个q\k\v的原理我不太明白，每个字都有自己的q，跟其他字的k的相似度代表了attention，然后再乘上对方的v。这整套的逻辑是啥呢？ 以及生成q\k\v的几个矩阵为啥是不同字符间通用的呢？

[@ethaneaston6443]

老师可以讲一下Unet吗？现在的diffusion代码实现中的Unet结构，其中的Unet用了attention和position embedding两个模块。没理解attention和position embedding两个模块怎么处理图像的

[@zhiminli4225]

讲的太棒了！

[@heqiaoruan5166]

这个老师讲的太赞了 👍

[@grownupgaming]

26:40 Is the head-split happening at ai? or at qi/ki/vi?

[@walynlee2653]

Great! Would you mind sharing the powerpoint with everyone?

[@inaqingww]

怎么会有这么棒的老师，我真是幸运啊！！

[@张喜-i4x]

非常好，感谢

[@weihuang743]

很详细，很清晰，很赞

[@yanfeizhang3580]

老师，请问masked multi-head attention能做一个解释吗？不太理解这个机制

[@haonanchen193]

弘毅老师讲的太好了，感谢资源

[@jllee5374]

講的太好了，沒有比李老師講的更好的了。李宏毅老師了不起呀。

[@gladstoneclairet1499]

学习怎么能这么开心～！！！

[@chenalna]

老師説現在Transformer可以統一神經網路了 所以想過來學習一下

[@weikaichen546]

有一个问题不是很懂，35:55 处谷歌的动画显示，decoding的时候当前的输出是依赖于之前的输出的，那为什么李老师说b1到b4是并行同时生成的？有谁能解释一下？谢谢！@Hung-yi Lee

[@weikaichen546]

我大概想通了，应该是self attention理论上就是可以并行地生成所有的输出，但是test time的时候还是需要sequential地生成，因为没有前文不可能有后语。因此，训练的时候需要用masked multi-head attention把后面的信息遮挡掉

[@aaronsarinana1654]

It would be nice to have sub-titles!

[@fionafan8267]

想請問老師, 那麼 W_Q, W_K, W_V 是怎麼確定的呢?

[@卢伟-h1u]

英语不太好，老师说的 搭啪搭 是dot product 么？没有恶意呦

[@xiuxiu0801]

我竟然看懂了。。。。要哭了

[@王毓华-h2i]

41.40的时候，老师说：这个decoder的input是前一个（）所产生的output，括号里说的那个英文单词是什么？tai side怪怪的，没听懂。求助一下。

[@stanley9534]

timestamp

[@Natural_Motion]

请教下W矩阵怎么理解的呢？

[@xiangliu2767]

这个encode 和decode动画哪里可以看到，地址是什么

[@gourmetdata971]

有一个问题：positional encoding 应该是直接加上去而不是concatenate吧。原文是：The positional encodings have the same dimension d_model as the embeddings, so that the two can be summed

[@gourmetdata971]

现在明白了, W_I是word embedding matrix， 而W_P是positional embedding matrix。所以ppt里是正确的。

[@HungyiLeeNTU]

@@gourmetdata971 沒錯 :)

[@youngandy6161]

@@gourmetdata971 开始我也没理解这块，看到你的评论我也明白了，李老师将矩阵下移是换了另一种说法，和原文中是一个效果。感谢

[@yanliuwang3079]

谢谢宏毅老师~

[@商智洲]

给力

[@jasonwu8166]

谢谢老师的讲解！ 有个问题， 为什么RNN不能够像self attention一样做到平行计算？

[@浩克的精神時光屋]

因為RNN的算法，它會依序計算一句話的每個字，每個字又要有前一個字的hidden變量才能計算。

[@beizhou2488]

李老师，您好。self-attention现在已经有慢慢取代LSTM的趋势了么？

[@AIPlayerrrr]

现在已经完全取代啦。

[@xiangsong8942]

全网最佳

[@mogazheng]

每一个Wq，Wk，Wv，是不是都是一样的呢，还是说有Wq1，Wq2，Wq3....Wqi呢

[@player-eric]

请问一下，W^q的权值是共享的吗？

[@charliechang2897]

32:28 Block Matrix Multiplication可參考 kzbin.info/www/bejne/a36piKytjr5smKc

[@旅行者-z5o]

最后讲的怎么有点像RAG

[@anynamecanbeuse]

请问老师，self-attention能否取代cnn的backbone去做图像分类问题呢

[@HungyiLeeNTU]

Self-attention 確實已經被用在影像相關的應用上，不過我認為短時間內 CNN 仍會被繼續使用。當 Self-attention 只 attend 在一個範圍(你可以想成就像是CNN 的receptive field)內時，它的作用會類似CNN filter，但與其讓 self-attention自己學到要 attend 在某一個範圍內，還不如直接透過 CNN 的 filter 告訴 network

[@anynamecanbeuse]

@@HungyiLeeNTU 感谢老师的解答，在听您这堂课的过程中，我感觉假设输入是整张图的像素，一个self-attention的output的感受野就可以达到整张图的范围，比cnn逐步增大感受野的计算量要小，而且语义信息更强，不知道理解的对不对。感谢您将课程分享到youtube，也期待您分享一些self-attention在影像上的应用。

[@xuzhang2431]

@@HungyiLeeNTU 谢谢李老师的精彩课程。 现在有很多图像分类的问题都加上了注意力机制，有各种的attention，这些都叫attention models，不只是self-attention。比如CNN之后，flatten，然后加一组attention layer， 再加几层dense layers，最后做classification。 各种的attentions, 我有些混乱，李老师可不可以澄清一下？感谢！

[@beandog5445]

you save my ass

[@haomayor6306]

跪谢李宏毅老师

[@东方神剑-z4r]

课程很棒，请问老师后面会有 BERT 的讲解吗

[@HungyiLeeNTU]

會有的

[@edisonge9311]

很棒~

[@rahmanjalayer7389]

Dear Lee, I wonder if you have this class in English?

[@achillesarmstrong9639]

5:39 这里是口误吧， RNN的好处不是平行化，应该这里说的是CNN吧。好像没有人指出口误？