问题一:Transfomer矩阵维度分析及MultiHead详解:
细致链接1
细致链接2
问题二:transformer的结构,流程,维度变换,encoder,decoder:
多头维度怎么变化:先在q,k,v的输入端就进行处理,让他们的维度为 embedding_size /nums_head。最后在注意力层的最后拼接。这就是原因:head的数量需被embedding_size整除
注意力:通过Q和K计算得到注意力权重,然后在作用于V得到整个权重和输出
细致链接
问题三:p-tuning,lora,adapter 的细致算法:
p-tuning
lora
adapter
问题四:评测框架的任务有哪些?cblue
问题五:训了哪些模型,dataset的问题
问题六:cv,deepsortv3,yolo的发展史,yolo的backbone
问题七:dataloader和dataset的区别:
ⅰ. dataset就是传统的类,用户根据特点的需求设定特定的类。
https://huggingface.co/docs/datasets/loading
ⅱ. dataloader则接受dataset定义的类进行分批次,分batch以方便后续的训练,推理等操作。
ⅲ. Dataset检索我们的数据集的特征并一次标记一个样本。dataloader在训练模型时,我们通常希望以“小批量”方式传递样本,在每个时期重新整理数据以减少模型过度拟合;这个有个shuffle决定是否在每个epoch之间打乱每个batch。