预热篇2：从RNN到Transformmer

下面是整理的一个思维导图

2010年Mikolov提出了RNN网络，RNN网络存在长距离依赖(梯度消失)，计算效率(RNN 难以并行)两个问题

2017年Transformmer网络结构问世，Transformer 网络架构架构由 Ashish Vaswani 等人在 Attention Is All You Need一文中提出，并用于机器翻译任务，和以往网络架构有所区别的是，该网络架构中，编码器和解码器没有采用 RNN 或 CNN 等网络架构，而是采用完全依赖于注意力机制的架构。网络架构如下所示：

Transformmer网络结构解决了传统编码器-解码器模型的挑战，避免信息损失和无法建模输入输出对齐的问题，自动学习注意力权重，捕捉编码器和解码器之间的相关性。在自然语言处理(NLP)、计算机视觉(Computer Vision)、跨模态任务和推荐系统等多个领域中，注意力机制已成为多项任务中的最 先进模型，取得了显著的性能提升。需要关注思维导图中多头注意力机制部分