首页›分类›人工智能›Transformer 技术纵深:架构解析与前沿突破
Transformer 技术纵深:架构解析与前沿突破
人工智能计算机

Transformer 技术纵深:架构解析与前沿突破

柳浩 / 柳渤 著

50.9万字
总字数

支持 PDF · EPUB · Word · TXT 多种格式下载 (PDF 含 A4 / 手机版)

作品简介

"《Transformer 技术纵深:架构解析与前沿突破》采用“源码剖析”与“论文精读”相结合的方式,系统拆解Transformer的核心技术。通过精读经典论文,逐层梳理其理论脉络与运行机制,帮助读者筑牢知识根基,带领读者对照主流框架的开源实现,逆向解析其设计意图,在实战复现中深化理解。这种从理论到实践的双重路径,旨在让读者轻松跨越学习障碍。
无论是在校学生、科研人员还是产业开发者,都能凭借此书夯实AI根基、把握技术前沿,并快速将Transformer应用于产品创新。希望《Transformer 技术纵深:架构解析与前沿突破》成为一把钥匙,帮助读者在Transformer的世界里扎稳马步、持续深耕、步步进阶。"

出版社清华大学出版社
出版时间2026-04-01
ISBN9787302711117
共 41 章
作者简介
内容简介
前言
第1篇 基础篇
第1章 注意力机制
第2章 Transformer架构
第3章 编码器与解码器
第4章 训练与推理
第2篇 核心篇
第5章 token
第6章 嵌入层原理与作用
第7章 位置编码的设计思路
第8章 位置编码分类
第9章 自注意力
第10章 掩码注意力
第11章 MHA
第12章 FFN
第13章 残差连接与归一化
第14章 生成与采样
第3篇 扩展篇
第15章 RoPE
第16章 FlashAttention
第17章 FlashAttention-2
第18章 KV Cache
第19章 MoE
第20章 LoRA
第21章 长度外推
第22章 大模型量化
第4篇 高阶篇
第23章 KV Cache优化
第24章 缩减序列长度
第25章 分离抑或合并
第26章 MQA和GQA
第27章 DeepSeek MLA
第28章 MoE进阶
第29章 投机解码
第30章 Medusa
第31章 前瞻解码
第32章 DeepSeek MTP
第33章 SGLang:从推理引擎到LLM运行时生态的演进之路
部分插图彩色版

读者评论

暂无评论,来发表第一条吧

登录后参与评论

去登录 →