01 多头注意力与位置编码思想原理用图解与公式讲清 Transformer 的两块基石：多头注意力的 Q/K/V 与多头动机，以及位置编码的思想原理。 0/2 未开始 ⌄ 第1讲 Multi-Head Attention 多头注意力机制图解教程 课件 视频 代码 原图 PDF 30 分钟 未开始 第2讲 Transformer 位置 Positional Encoding 原理与编解码过程 视频 30 分钟 未开始
02 Multi-Head Attention 与 Transformer 完整复现用 PyTorch 一步步实现 MultiHeadAttention 与完整 Encoder/Decoder。 0/2 未开始 ⌄ 第3讲 Multi-Head Attention 代码实现教程：基于 PyTorch 手写多头注意力与掩码 视频 45 分钟 未开始 第4讲 Transformer PyTorch 完整实现教程：从 Token Embedding 到 Encoder/Decoder 视频 50 分钟 未开始
03 翻译 · 分类 · 对联生成3个实战项目，用同一套结构完成翻译、分类与对联生成，全流程覆盖数据预处理、词表构建、Seq2Seq 训练与推理。 0/3 未开始 ⌄ 第5讲 Transformer 翻译模型实战教程：Multi30K EN→DE 数据预处理与 Seq2Seq 训练 视频 75 分钟 未开始 第6讲 Transformer 文本分类实战教程：基于 Encoder 复刻 BERT 的 AG_News 分类实现 视频 45 分钟 未开始 第7讲 Transformer 对联生成模型实战教程：用 70 万对联数据训练中文 Seq2Seq60 分钟 未开始
04 FFN 作用与 Decoder Padding Mask复盘 Feed-Forward Network 为什么不能去掉逐元素非线性，以及 tgt key padding mask 可忽略的反直觉结论。 0/2 未开始 ⌄ 第8讲 Transformer 全连接层图解：逐元素非线性为何不可缺？多层注意力为何等效单层15 分钟 未开始 第9讲 Transformer Decoder Padding Mask 详解：为什么 key padding mask 可以忽略 视频 25 分钟 未开始
