Transformers-for-NLP-and-Computer-Vision-3rd-Edition

收录理由

这个仓库随 Denis Rothman 的 Transformer 手册一起发布，收集了大量可动手实践的 Notebook，帮助学习者真正弄懂现代大语言模型和视觉模型是怎么工作的。内容涵盖了 Transformer 架构、BERT 微调、RoBERTa 预训练，也涉及 OpenAI API 的新推理模型 o1 和 o3，以及 Hugging Face 和 Google Vertex AI 上的实际用法。视觉部分包括 Vision Transformer、CLIP、Stable Diffusion 和 DALL-E 3，还专门讲了检索增强生成来减少幻觉，以及 BertViz、LIME、SHAP 这些可解释性工具。Notebook 可以从 GitHub 直接启动到 Colab、Kaggle、Gradient 或 SageMaker Studio Lab，不用自己搭环境就能跟着跑。作者持续补充新模型相关的 Notebook，比如 DeepSeek-R1 和 GPT-4o，所以这套资料在出版之后仍然很有参考价值。对自学这个领域的人来说，它就像一张地图，把理论和可运行的代码串联在一起。