1.说一下 Transformer 的底层结构吧Transformer 的核心是用自注意力代替传统序列模型里的递归结构。一个标准模块通常包含多头自注意力、前馈网络、残差连接和 LayerNorm。自注意力负责让每个 token 和其他 token 直接交互，前馈网络负责做非线性变换，残差和归一化负责保证深层训练稳定。它真正厉害的地方不是结构复杂，而是信息传播路径短，长距离依赖更容易建模，并且天然适合并行训练。2. Transformer 为什么用了 LayerNorm 呢因为 BatchNorm 依赖 batch 维度上的统计量，但 NLP 任务里句子长度不一致，线上推理时 batch 也经常...

给时间时间 终会梦想成真的🥺那就努力努力再努力🤲

今天接触到栈和队列两道题目，一个是用栈实现队列，一个是用队列实现栈，栈：先进后出队列：先进先出都可以理解，但是用栈实现队列和用队列实现栈，说实话还挺懵的，代码是copy的，所以没有粘贴我觉得目前得关键在于对栈和对队列语法得熟悉程度，突然这么多代码，最多的是有点难以去突破这个极限，总感觉可以用一个更简单的，更少的代码写出。不知道各位又没有这样的困扰。这接下来栈和队列的题目咋刷啊🤔🤔🤔 # ---------- Python 中栈和队列的表达 ---------- # 栈（Stack）：LIFO # stack = [] # stack.append(x) # stack.pop() # 队...