Transformers 配方项目介绍
Transformer 是一种为自然语言处理（NLP）任务而开发的深度学习架构，近年来迅速发展并应用于计算机视觉和强化学习等众多领域。Transformers-Recipe 项目旨在为机器学习和自然语言处理学习者提供一个详细的学习指南，帮助他们了解和掌握 Transformer 技术。这是一个丰富的资源集合，能指导学习兴趣者理解 Transformer 的概念、结构和应用。
项目背景
Transformers 的发明加速了自然语言处理任务的新技术和模型开发。尽管它最初是为处理语言任务而设计的，如今已经在计算机视觉等其他领域广泛应用。可以说，Transformer 是现代机器学习领域中最重要的概念之一，也是软件开发者、研究人员和学生必须掌握的技术。
学习导向资源
为了帮助学习者从基础到深入了解 Transformer，项目提供了一系列精选的学习材料和资源。这些资源包括从高层次概念介绍到技术细节解析，再到实际代码实现的完整学习路径。
初步介绍
了解 Transformer 的第一步是获取一个高层次的概念性理解。以下资源各具特色：
- Transformer 简介 - 讲义笔记
- 从零开始学习 Transformer
- Transformer 在深度学习和 NLP 中的工作原理：直观介绍
- Stanford CS25 - Transformers United
- 语言理解的深度学习
- Transformer 模型导览与目录
深入解析 Transformer
在获得概念性理解后，可以通过以下教 程更深入地学习 Transformer 的内部工作机制：
技术总结
如果需要全面的技术总结，Lilian Weng 的博客提供了出色的概述：
实践实现
理解理论后，实施和实践是重要的一步。以下教程能帮助学习者从零开始实现 Transformer：
了解最新 Transformer 的深入实现，可参阅 Papers with Code 收集方法。
基本论文学习
"Attention Is All You Need" 是 Transformer 架构的开创性论文，值得在对 Transformer 有基本理解后深入阅读。
实际应用
实践中，学习者可能会想将 Transformer 应用于不同的 NLP 项目和研究中。Hugging Face 的 Transformers 库是一个极佳的工具：
此外，Hugging Face 团队还出版了一本关于 NLP 与 Transformers 的新书，同样值得学习探索。
大型语言模型学习清单
作为项目的额外内容，Sebastian Raschka 提供了一份关于大型语言模型（LLM）的阅读清单：
项目展望
项目将不断更新，未来计划增加更多 Transformer 应用案例和学术论文，预计还将推出易于实验的代码实现。学习者也可以在社交媒体上关注项目发布者以获取最新资源更新。
编辑推荐精选
AEE
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。
UI-TARS-desktop
基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。
Wan2.1
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。
爱图表
全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表
爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。
Qwen2.5-VL
一款强大的视觉语言模型，支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。
HunyuanVideo
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同 场景的需求，是文本生成图像视频领域的优质工具。
WebUI for Browser Use
一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。
xiaozhi-esp32
基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。
olmocr
一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。
olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。
飞书多维表格
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号