Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
您真是天生的好老师， 我一直没换台，居然能听得津津有味
用英语学这些我一直左耳进右耳出，李老师是我的救星，一下就看懂了
0:40 大语言模型所做的事情，就是文字接龙3:15 大语言模型所用类神经网络之一Transformer概述4:53 1，Tokenization 文字转为Token9:18 2，Input Layer 理解Token，该阶段会将Token转为Vector(Embedding)，LLM并不理解单纯的Token的意思，而可以理解每个Embedding的意思。Positional Embedding是加了位置信息的Embedding。15:47 3，Attention 理解上下文，将Positional Embedding转为 Contextualized Token Embedding。26:02 4，Feed Forward 整合、思考28:07 5，Output Layer 得到输出29:01 大语言模型运作过程，chatGPT只考虑左边已经输入的文字，无需考虑右边文字。33:16 为什么处理超长文本是挑战，因为计算Attention的次数是与文本长度的平方成正比的，所以增加文本长度后，计算量的增加是非常大的。
太佩服李老师了，都讲到这个深度了，居然把KQV给绕过去了，然后还给讲明白了
说真的，其实懂得transformer的同学也很值得再听一听，还是蛮有收获的
謝謝老師分享，很棒的教程和內容，很喜歡說明的條理和安排方式。
看了好多论文没明白attention，李老师一讲就明白🎉🎉
大爱李老师，我现在工作了，但是还是爱听老师讲课
深入浅出，而且都是前沿知识，非常有价值。
李老师你好，真的觉得您上课的风格非常棒，通俗易懂
感謝老師的更新❤
真是AI高手与良师
这支影片讲得不错，终于明白了nn和transformer和attention的亿点点关系
謝謝老師~趕緊配午餐看XD
谢谢老师！介绍得太清晰了
老師的影片常常和過去的影片attention
謝謝老師!
謝謝老師
想請問老師，BERT的"Bidirectional"，是否可以理解為 "會判斷token以及其右邊(下文)相關性" 的attention模組呢?
本來就是這個意思，這是BERT和GPT的主要區別之一
每一节课都在追
上課啦～開始進入需要長考的內容了😢
感謝老師講解，想請教在理解每個Token位置做Positional embedding時是根據token在句子不同位置的不同意思做embedding嗎？這時候不會有attention考慮上下文嗎？
應該不是，positional embedding 是token embedding 送進 attention 前，各個位子加一個自己位子的向量（影片提到向量以前自己設，後來交給模型train），跟字意無關，也跟上下文無關，只跟自己所在位子有關，因此像個position 的標記。
@@allenchen8559 謝謝！
輸入的文字長度不一定，之後長度也會越來越長 (auto-regressive)，所以 Input Layer 餵進去的 token 長度是可變的嗎?
Attention 會不會是因為文字是從左到右讀，所以只著重在左邊，因為右邊反而詞不達意。
想要請教老師一個問題，一個embedding和自己計算相關性時會得到什麼？我看到ppt上兩個例子，一個得到0.5，一個得到0.3
沒有考慮到rwkv的架構比Mamba更準確也在不斷地迭代中
老师这个 “如何快速进行attention”的视频在哪看？链接好像挂了
在這裡: ruclips.net/video/yHoAq1IT_og/видео.htmlsi=2ZqqelyCYrt8l7DT
請問教授, 您說每一個token對應的向量就是語言模型的參數, 那如果GPT3 參數是175B, 那每個Token經過embedding 程序就會形成175B x 1 的矩陣(向量)嗎? 先謝謝教授的回答
GPT3的参数是175B，这个175B参数可能是计算多头attention时候的权重，还有feed forward神经网络的参数，两部分参数的和。而做Token的embedding时候，得到表示token语意的向量的时候，这个向量的长度不是175B，而是一个可能数值为几千，或者1万多的数字。这是我在学习transformer架构时的一些理解，也不能保证正确性。
32:20这块说的不好，不是不用管，你还要输出w2，怎么可能不算AI和w1之间的关联性？
老师能不能讲下RWKV 哈哈 😊
反复思考（transformer block层数）这个过程的（固定）次数背后的现在的思考是什么呢？为什么不是类似于pagerank，说你看，我继续思考已经不产生新的significant的思路了，咱们可以停止思考了。。。
老师什么时候讲讲mamba\jamba
mamba out了
@@gilberthsu6306 really?
I think mamba is still a promising model architecture. As shown in the latest Kaggle competition Leap, one of the top solutions uses mamba as the base model.
为什么要这样拆
第一
😂ye s
我觉得这些网民经常把自己放在警察、法官和裁判的角色，甚至是村头大妈的角色。这个悲伤的故事其实就是因为意外的疾病导致的灾难而已。如果不是这样，他们也是和美幸福的一家人。夫妻同命鸟，所有的幸福和灾难都是两个人一起承担的。人家自己没有意见别人根本没有任何立场胡乱评判的。
您真是天生的好老师， 我一直没换台，居然能听得津津有味
用英语学这些我一直左耳进右耳出，李老师是我的救星，一下就看懂了
0:40 大语言模型所做的事情，就是文字接龙
3:15 大语言模型所用类神经网络之一Transformer概述
4:53 1，Tokenization 文字转为Token
9:18 2，Input Layer 理解Token，该阶段会将Token转为Vector(Embedding)，LLM并不理解单纯的Token的意思，而可以理解每个Embedding的意思。Positional Embedding是加了位置信息的Embedding。
15:47 3，Attention 理解上下文，将Positional Embedding转为 Contextualized Token Embedding。
26:02 4，Feed Forward 整合、思考
28:07 5，Output Layer 得到输出
29:01 大语言模型运作过程，chatGPT只考虑左边已经输入的文字，无需考虑右边文字。
33:16 为什么处理超长文本是挑战，因为计算Attention的次数是与文本长度的平方成正比的，所以增加文本长度后，计算量的增加是非常大的。
太佩服李老师了，都讲到这个深度了，居然把KQV给绕过去了，然后还给讲明白了
说真的，其实懂得transformer的同学也很值得再听一听，还是蛮有收获的
謝謝老師分享，很棒的教程和內容，很喜歡說明的條理和安排方式。
看了好多论文没明白attention，李老师一讲就明白🎉🎉
大爱李老师，我现在工作了，但是还是爱听老师讲课
深入浅出，而且都是前沿知识，非常有价值。
李老师你好，真的觉得您上课的风格非常棒，通俗易懂
感謝老師的更新❤
真是AI高手与良师
这支影片讲得不错，终于明白了nn和transformer和attention的亿点点关系
謝謝老師~趕緊配午餐看XD
谢谢老师！介绍得太清晰了
老師的影片常常和過去的影片attention
謝謝老師!
謝謝老師
想請問老師，BERT的"Bidirectional"，是否可以理解為 "會判斷token以及其右邊(下文)相關性" 的attention模組呢?
本來就是這個意思，這是BERT和GPT的主要區別之一
每一节课都在追
上課啦～開始進入需要長考的內容了😢
感謝老師講解，想請教在理解每個Token位置做Positional embedding時是根據token在句子不同位置的不同意思做embedding嗎？這時候不會有attention考慮上下文嗎？
應該不是，positional embedding 是token embedding 送進 attention 前，各個位子加一個自己位子的向量（影片提到向量以前自己設，後來交給模型train），跟字意無關，也跟上下文無關，只跟自己所在位子有關，因此像個position 的標記。
@@allenchen8559 謝謝！
輸入的文字長度不一定，之後長度也會越來越長 (auto-regressive)，所以 Input Layer 餵進去的 token 長度是可變的嗎?
Attention 會不會是因為文字是從左到右讀，所以只著重在左邊，因為右邊反而詞不達意。
想要請教老師一個問題，一個embedding和自己計算相關性時會得到什麼？我看到ppt上兩個例子，一個得到0.5，一個得到0.3
沒有考慮到rwkv的架構比Mamba更準確也在不斷地迭代中
老师这个 “如何快速进行attention”的视频在哪看？链接好像挂了
在這裡: ruclips.net/video/yHoAq1IT_og/видео.htmlsi=2ZqqelyCYrt8l7DT
請問教授, 您說每一個token對應的向量就是語言模型的參數, 那如果GPT3 參數是175B, 那每個Token經過embedding 程序就會形成175B x 1 的矩陣(向量)嗎? 先謝謝教授的回答
GPT3的参数是175B，这个175B参数可能是计算多头attention时候的权重，还有feed forward神经网络的参数，两部分参数的和。而做Token的embedding时候，得到表示token语意的向量的时候，这个向量的长度不是175B，而是一个可能数值为几千，或者1万多的数字。这是我在学习transformer架构时的一些理解，也不能保证正确性。
32:20这块说的不好，不是不用管，你还要输出w2，怎么可能不算AI和w1之间的关联性？
老师能不能讲下RWKV 哈哈 😊
反复思考（transformer block层数）这个过程的（固定）次数背后的现在的思考是什么呢？为什么不是类似于pagerank，说你看，我继续思考已经不产生新的significant的思路了，咱们可以停止思考了。。。
老师什么时候讲讲mamba\jamba
mamba out了
@@gilberthsu6306 really?
I think mamba is still a promising model architecture. As shown in the latest Kaggle competition Leap, one of the top solutions uses mamba as the base model.
为什么要这样拆
第一
😂ye s
我觉得这些网民经常把自己放在警察、法官和裁判的角色，甚至是村头大妈的角色。这个悲伤的故事其实就是因为意外的疾病导致的灾难而已。如果不是这样，他们也是和美幸福的一家人。夫妻同命鸟，所有的幸福和灾难都是两个人一起承担的。人家自己没有意见别人根本没有任何立场胡乱评判的。