Transformer课程 第40章Transformer模型RemBERT架构

第40章：解除了input and output embeddings耦合对Transformer模型RemBERT架构内幕及完整源码实现
1，为何Transformer原始实现会采用sharing weights between input and output embeddings？
2，sharing weights between input and output embeddings带来的问题分析
3，decoupled embeddings对multilingual models的任务的价值
4，删除output embedding背后的原理分析
5，sentence-piece tokenizer原理分析
6，RemBertTokenizer源码完整实现分析
7，load_tf_weights_in_rembert源码完整实现分析
8，RemBertEmbeddings源码完整实现分析
9，RemBertPooler源码完整实现分析
10，prune_heads源码完整实现分析
11，RemBertSelfOutput源码完整实现分析
12，RemBertSelfAttention源码完整实现分析
13，RemBertSelfOutput源码完整实现分析
14，RemBertIntermediate源码完整实现分析
15，RemBertOutput源码完整实现分析
16，RemBertLayer源码完整实现分析
17，RemBertEncoder源码完整实现分析
18，RemBertPredictionHeadTransform源码完整实现分析
19，RemBertLMPredictionHead源码完整实现分析
20&#