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