Explicação completa do modelo Transformer com base no paper: Attention Is All You Need

Uma revisão completa de todas as camadas do modelo Transformer (incluindo matemática): autoatenção , multi head self-attention, positional encoding, incluindo todas as multiplicações de matrizes e um tour no processo de treinamento e inferência. Paper: Attention is all you need - https://arxiv.org/abs/1706.03762