思维导图
组件1：
attention layer
组件2：
self-attention
Transformer 模型搭建：
从single head 转化为multi-head
encoder网络主要由self-attention构成：
encoder网络
decoder网络：
decoder网络
transformer模型
Bert(Bidirectional Encoder Representations from Transformers)：
预训练transformer网络的encoder部分，
Bert的任务1：predict the masked word，随机掩盖句子中的词，让网络预测被mask掉的词；
任务2：预测两句话是否相邻
bert的任务2：预测两句话是否相邻
combining the two tasks:
数据样本格式
训练过程
bert的好处：数据无需人工标记，可以利用海量数据；
【参考文献】：
- https://www.youtube.com/watch?v=aButdUV0dxI&list=PLvOO0btloRntpSWSxFbwPIjIum3Ub4GSC
- 课件：https://github.com/wangshusen/DeepLearning
- 论文: Transformer(attention is alll you need)
