De l'attention aux transformateurs

Cette séance de cours couvre la transition des mécanismes d'attention aux transformateurs dans le NLP moderne. En commençant par les modèles d'encodeur-décodeur, l'instructeur explique le concept d'attention et son amélioration par des transformateurs. La séance de cours se penche sur la génération de séquences en utilisant le décodage d'une séquence à l'autre. Le modèle de décodeur-encodeur attentif est introduit, mettant en évidence la réduction des goulets d'étranglement temporels et l'utilisation de l'attention pour se concentrer sur différentes parties de l'entrée. On discute de la fonction d'attention, y compris l'attention multiplicative, linéaire et à l'échelle des points produits. La séance de cours se termine par une explication détaillée de l'auto-attention, l'attention multi-tête masquée, et l'attention croisée dans les transformateurs.