大多数现代LLMs都依赖于 transformer 架构，这是 2017 年论文 Attention Is All You Need 中介绍的深度神经网络架构。要理解LLMs，我们必须简要回顾一下最初的转换器，它最初是为机器翻译而开发的，将英语文本翻译成德语和法语。变压器架构的简化版本如图 1.4 所示。
图 1.4 原始 Transformer 架构的简化描述，该架构是用于语言翻译的深度学习模型。转换器由两部分组成，一个编码器，用于处理输入文本并生成文本的嵌入表示（一种在不同维度捕获许多不同因素的数字表示），解码器可以使用该表示一次生成一个单词的翻译文本。请注意，此图显示了翻译过程的最后阶段，解码器只需生成最后一个单词（“Beispiel”），给定原始输入文本（“This is an example”）和部分翻译的句子（“Das ist ein”），即可完成翻译。图编号表示处理数据的顺序，并提供有关读取图的最佳顺序的指导。
图 1.4 中描述的 transformer 架构由两个子模块组成，一个编码器和一个解码器。编码器模块处理输入文本并将其编码为一系列数字表示或向量，以捕获输入的上下文信息。然后，解码器模块获取这些编码的向量并从中生成输出文本
![[C#]winform使用纯opencvsharp部署yolox-onnx模型](https://img-blog.csdnimg.cn/direct/1ac1cecf9a114873a817fd16ae8a76ac.jpeg)
