声明：以下文章链接仅用于个人学习与备忘。
基础知识
1：零基础解析教程 [推荐]
https://zhuanlan.zhihu.com/p/609271490
2：Transformer 详解 [推荐]
https://wmathor.com/index.php/archives/1438/
3：如何从浅入深理解transformer？
https://www.zhihu.com/question/471328838/answer/3011638037
4：Transformer模型详解（图解最完整版）[推荐]
5：万字长文解读Transformer模型和Attention机制 [推荐]
【经典精读】万字长文解读Transformer模型和Attention机制 - 知乎
疑惑解析
1：transformer decoder里的K和V为什么要用encoder输出的K和V?
https://www.zhihu.com/question/458687952
2： Teacher Forcing 、 Autoregressive、Exposure Bias 解释
关于Teacher Forcing 和Exposure Bias的碎碎念 - 知乎
3： decoder部分训练是怎么并行化的？
浅析Transformer训练时并行问题_transformer并行化体现在哪里_思考实践的博客-CSDN博客
Transformer decoder中masked attention的理解_寺里LZS的博客-CSDN博客
4：在测试或者预测时，Transformer里decoder为什么还需要seq mask？