Github
文档项目介绍：Former
Former项目是一个使用PyTorch从零开始实现的简单Transformer模型。该项目的目标是展示Transformer模型和自注意机制的简单性，因此不会扩展到像大型Transformer那样复杂。若需要更复杂的功能，需要一些技巧，这些技巧会使代码复杂化。
在Former项目中，所有模型都由一个单一的Transformer块栈组成（即，没有编码器/解码器结构）。这种简单的配置通常效果较佳。
安装和使用
要开始使用Former项目，用户需要首先下载或克隆该存储库。在包含setup.py的目录中运行以下命令进行安装：
pip install -e .
使用-e开关确保安装包会随着代码的修改而更新。这意味着，用户可以在代码中加入打印语句，以便了解其工作原理。
之后，在相同的目录下运行以下命令来进行简单的分类实验：
python experiments/classify.py
该命令会在IMDb数据集上进行一个简单的分类实验。实验所需的超参数通常通过命令行参数传递，默认设置应能良好运作。分类数据会自动下载，而维基百科数据已包含在存储库中。
环境需求
Former项目要求Python 3.6以上版本。执行上述pip命令会安装所有必需的软件包。根据具体的Python版本，用户可能还需执行以下命令：
pip install future
Conda环境
存储库中提供了一个environment.yml文件，描述了包含所有依赖项的完整conda环境。用户在克隆或下载该项目后，可以通过以下命令创建该环境：
conda env create -f environment.yml --name former
conda activate former
总之，Former项目提供了一个简单而有效的方式来探索Transformer模型的基本概念，适合那些对自注意机制和Transformer架构感兴趣的研究人员和学习者。
