Transformateurs: Vue d'ensemble et auto-attention

Cette séance de cours couvre la vue d'ensemble des Transformateurs, en mettant l'accent sur l'architecture, les résultats, les variantes et la préformation. Il examine les limites des modèles récurrents, le concept d'auto-attention et ses exemples hypothétiques. La séance de cours explore les obstacles et les solutions à l'utilisation de l'auto-attention comme bloc de construction, y compris les vecteurs de représentation de position à travers les sinusoïdes et l'ajout de non-linéarités. Il se transforme également en une attention multi-têtes, son efficacité de calcul, et l'attention de produit de point à l'échelle. La séance de cours se termine par une discussion sur le décodeur, l'encodeur et les modifications du transformateur, soulignant l'importance des modèles de préformation pour le traitement du langage naturel.