这些关于Transformer和Bert的文章不错，做一下记录：

 

《Transformer模型浅析》

https://zhuanlan.zhihu.com/p/74723305

文中引用了一篇国外的博客：https://jalammar.github.io/illustrated-transformer/

另外关于这一句话：然后将结果除以  （这样做的目的是得到更稳定的梯度）

可以参考这篇文章得到更详细的解释：《transformer:从数学角度解释为什么用缩放点积会有更稳的梯度》

https://zhuanlan.zhihu.com/p/371143022

 

《BERT模型浅析》

https://zhuanlan.zhihu.com/p/74750529

下面是Bert应用于不同目标的结构：

 

 

参考了这篇文章：《从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史》

https://zhuanlan.zhihu.com/p/49271699