معماری تبدیلکننده، یک معماری شبکهی عصبی و یادگیری عمیق است که در سال 2017 ارایه شد. با استفاده از این شبکه میتوان دادههایی را که دارای ورودی و خروجی دنباله هستند، یاد گرفت. ویژگی مهم این شبکه این است که در وظایفی که نیاز است ارتباطِ دو موجودیت یافت شود، فاصله تاثیر ندارد؛ زیرا مقایسهها دوبهدو صورت میگیرد و مشکلات مرسوم پیرامون این موضوع که در شبکههای بازگشتی وجود دارد، در تبدیلکننده حل شده است. این شبکه و مشتقات آن کاربردهای بسیار فرآوانی در وظایف مختلف دارند.
در این دوره به صورت اجمالی مقالهی تبدیلکننده بررسی شده است و شبکه با جزییات پیادهسازی شده است. پیادهسازی با نسخهی دوم تنسورفلو صورت گرفته است.
سردبیر بخش هوش مصنوعی وبسایت هستم. زمینه های فعالیت من عبارت است از یادگیری عمیق، یادگیری تقویتی، بازیابی اطلاعات و بینایی ماشین. به ریاضیات، جبر و بهینه سازی علاقه فراوانی دارم. تجربیات بسیاری در برنامه نویسی دارم و فریمورکهای مورد علاقه من عبارتند از django ،pytorch و tensorflow. از دانشگاه …