Transformer课程 第43章Transformer模型SqueezeBERT架构

第43章：使用grouped convolutions进行加速的Transformer模型SqueezeBERT架构内幕及完整源码实现 1，Computer vision中的grouped convolutions数学原理分析 2，把grouped convolutions用来加速Transformer的架构设计 3，SqueezeBertTokenizer源码完整实现分析 4，SqueezeBertEmbeddings源码完整实现分析 5，MatMulWrapper源码完整实现分析 6，SqueezeBertLayerNorm源码完整实现分析 7，ConvDropoutLayerNorm源码完整实现分析 8，ConvActivation源码完整实现分析 9，SqueezeBertSelfAttention源码完整实现分析 10，SqueezeBertModule源码完整实现分析 11，SqueezeBertEncoder源码完整实现分析 12，SqueezeBertPooler源码完整实现分析 13，SqueezeBertPredictionHeadTransform源码完整实现分析 14，SqueezeBertLMPredictionHead源码完整实现分析 15，SqueezeBertOnlyMLMHead源码完整实现分析 16，SqueezeBertPreTrainedModel源码完整实现分析 17，SqueezeBertModel源码完整实现分析 18，SqueezeBertForMaskedLM源码完整实现分析 19，SqueezeBertForSequenceClassification源码完整实现分析 20，Squee