对人工智能毫无了解，导师让看transformer和BERT的两篇论文。好几天了，基本没看懂，何解？

B站有个大佬，王树森，他讲这些模型，会带着你完整走一遍各种原理和运算。

我第一次听的时候都惊了，讲attention机制的时候，硬是走了三个词，把计算过程重复了三遍。有耐心到吓人。

鉴于有人找不到，我贴一下链接：

【RNN模型与NLP应用(1/9)：数据处理基础-哔哩哔哩】

这个系列层层递进，从普通的RNN一直谈到Transformer和bert，还谈了一下transformer架构在视觉的应用ViT模型。每个视频10多分钟，非常清晰易懂。

下面是对于入门深度学习的建议（入门阶段）：

1️⃣动手 > 看论文/看课本。大概了解模型原理之后可以先用成熟的开源库，来进行一些小任务。如果自己写不出完整的程序，可以先找一个别人写完的小项目进行修改。大家都是从改代码、调参数开始的。

2️⃣有问题随时问deepseek/chatgpt。代码不会写、框架不会用、原理有疑惑、计算细节不懂，都可以问大模型。

3️⃣不需要强迫自己把看懂的模型手动实现一遍。你不太懂的时候，强行实现一版模型，也没法悟透原理，甚至无法帮你记住各种细节。还是那句话，用的多了、调的细了，自然就通了。

4️⃣深度学习最大的好处就是，你为了实现一个任务，很多时候都可以把模型看作是黑箱，用起来一点阻力都没有。你不太懂的时候，就已经有能力进行实践。

5️⃣学习不止一遍，早期要抑制你的学习欲望，尤其是看论文的欲望。等你动手有感觉了，回去再看一遍这些基本论文，你会发现特别清晰，特别容易懂。有个好的起点，后面再拓宽到别的论文就非常顺。早期不要轻易拓展论文，你不要自己越学越多，你不需要了解这些论文的前因后果也能读懂他们。扩展读论文，要让任务带着你读，实际的需要，会教会你怎么从论文之中筛选自己需要的东西。

6️⃣最后是要有耐心。入门深度学习说长不长，说短也不短，至少半年还是需要的。认真搞半年，整个人就脱胎换骨了。