一文读懂「Attention is All You Need」| 附代码实现
前言
2017 年中，有两篇类似同时也是笔者非常欣赏的论文，分别是 FaceBook 的 Convolutional Sequence to Sequence Learning 和 Google 的 Attention is All You Need，它们都算是 Seq2Seq 上的创新，本质上来说，都是抛弃了 RNN 结构来做 Seq2Seq 任务。
mint-ui 的navbar踩坑记
首先，mt-tab-item不支持v-for
{{item.title}}
能正常显示导航，但点击任何一个菜单，都会全部选中，所以只能像例子一样，一个个写。
时间卷积网络（TCN）在 NLP 多领域发光，RNN 或将没落
我们一开始认为，时序问题（如语言、语音等等）天生就是 RNN 的地盘。然而现在这一观点要成为过去式了。时间卷积网络（Temporal Convolutional Nets, TCNs）作为 CNN 家族中的一员健将，拥有许多新特性，如今已经在诸多主要应用领域中击败了 RNN。
