Transformer课程 第39章Transformer模型RAG的架构

第39章：面向Knowledge-intensive任务的Transformer模型RAG的架构内幕及完整源码实现
1，为何Transformer网络能够存储factual knowledge信息？
2，pretrained dense retrieval数学原理分析
3，sequence-to-sequence model数学原理分析
4，jointly fine-tuning数学原理分析
5，parametric memory原理分析
6，non-parametric memory原理分析
7，non-parametric memory on dense vector原理分析
8，使用pre-trained neural retriever背后的贝叶斯数学原理剖析
9，prepare_seq2seq_batch源码完整实现分析
10，RagTokenizer源码完整实现分析
11，RetrievAugLMMarginOutput源码完整实现分析
12，RetrievAugLMOutput源码完整实现分析
13，from_pretrained_question_encoder_generator源码完整实现分析
14，RagPreTrainedModel源码完整实现分析
15，RagModel源码完整实现分析
16，generate源码完整实现分析
17，get_nll源码完整实现分析
18，cat_and_pad源码完整实现分析
19，RagSequenceForGeneration源码完整实现分析
20，prepare_inputs_for_generation源码完整实现分析
21，reo