1、前者强调独特．后者强调新。树：立；帜：旗帜。单独树起一面旗帜，比喻独特新奇，自成一家。后指自己开辟一条路，比喻独创一种风格或新的方法。
2、其实还有其它机器翻译方面的实验数据，篇幅原因，不一一列举了。如果你是个较真的人，实在还想看，那请看下一节，里面有另外一个例子的数据让来你服气。如果归纳一下的话，现在能得出的结论是这样的：从综合特征抽取能力角度衡量，Transformer显著强于RNN和CNN，而RNN和CNN的表现差不太多，如果一定要在这两者之间比较的话，通常CNN的表现要稍微好于RNN的效果。(进退维谷和进退两难的区别)。
3、进退两难：前进和后退都难。比喻事情无法决定，因而难以行动，处境困难。(进退维谷和进退两难的区别)。
4、 嬉皮笑脸：形容嬉笑不严肃的样子。贬义。
5、 “未雨绸缪”指在还没下雨时，就修补好房屋的门窗。比喻事先做好准备工作
6、上面考虑的是三者单层的计算量，可以看出结论是：TransformerBlock>CNN>RNN。如果是考虑不同的具体模型，会与模型的网络层深有很大关系，另外还有常见的attention操作，所以问题会比较复杂，这里不具体讨论了。
7、 背道而驰：道，道路。驰，车马疾行。比喻彼此方向目标完全相反。
8、都表生拉硬扯(附会：把没有关连的事物比附在一起)。异：“穿凿”指硬把讲不通的道理牵强解释；“牵强”指把不相关的事硬拉在一起。
9、进退维谷:无论是进还是退，都是处在困境之中。
10、能够让人进退失据的问题，说明自己往往很在意。
11、 赫赫有名：赫赫，非常显著的样子，声名显赫。
12、耕种是天地的诗意，五谷丰登是山河的大手笔，任何杂念都可能使美丽走笔，篡改天地的动意。《天工开物正乾坤》
13、Transformer是谷歌在17年做机器翻译任务的“Attentionisallyouneed”的论文中提出的，引起了相当大的反响。每一位从事NLP研发的同仁都应该透彻搞明白Transformer，它的重要性毫无疑问，尤其是你在看完我这篇文章之后，我相信你的紧迫感会更迫切，我就是这么一位善于制造焦虑的能手。不过这里没打算重点介绍它，想要入门Transformer的可以参考以下三篇文章：一个是JayAlammar可视化地介绍Transformer的博客文章TheIllustratedTransformer ，非常容易理解整个机制，建议先从这篇看起， 这是中文翻译版本；第二篇是Calvo的博客：DissectingBERTPart1:TheEncoder ，尽管说是解析Bert，但是因为Bert的Encoder就是Transformer，所以其实它是在解析Transformer，里面举的例子很好；再然后可以进阶一下，参考哈佛大学NLP研究组写的“TheAnnotatedTransformer. ”，代码原理双管齐下，讲得也很清楚。
14、RNN模型我估计大家都熟悉，就不详细介绍了，模型结构参考上图，核心是每个输入对应隐层节点，而隐层节点之间形成了线性序列，信息由前向后在隐层之间逐步向后传递。我们下面直接进入我想讲的内容。
15、以上介绍内容是从几个不同角度来对RNN／CNN/Transformer进行对比，综合这几个方面的实验数据，我自己得出的结论是这样的：单从任务综合效果方面来说，Transformer明显优于CNN，CNN略微优于RNN。速度方面Transformer和CNN明显占优，RNN在这方面劣势非常明显。这两者再综合起来，如果我给的排序结果是Transformer>CNN>RNN，估计没有什么问题吧？那位吃亏…..爱挑刺的同学，你说呢？
16、进退维谷：无论是进还是退，都是处在困境之中。形容处境艰难，进退两难。
17、去年10月6日，绿d提议从翌日起开始举行社民d、绿d和自民d的三方会谈。
18、然后，这些做法仍未奏效。不仅在下萨克森州，自民d被逐出州议会，而且在联邦层面上，自民d目前的民调支持率也只有5%至7%，而在2021年德国大选中，它的得票率还是5%。
19、而CNN和Transformer就不存在这种序列依赖问题，所以对于这两者来说并行计算能力就不是问题，每个时间步的操作可以并行一起计算。
20、进退两难：出自元代郑德辉的《周公摄政》第一折，“娘娘道不放微臣进宫闱，进退两难为。”
21、 夕惕若厉：形容时刻谨慎小心，保持高度警惕。
22、(区别)都可形容精神恍惚的样子。前者可形容精神不集中；后者重在形容惊慌异常或因受强烈刺激而行动失常，语义较重。荒诞不经 荒诞无稽 荒谬绝伦
23、近期，CRISPR还在EHA2022公布靶向CD70UCAR-T用于治疗T细胞淋巴瘤的临床结果，出现了相同问题——长期疗效不佳。从下图数据看来，9例获得CR/PR患者中只有1例患者反应是持久(No.1)，两例短期缓解还在观察中(No.2-3),6例患者都2-3月间经历复发(No.4-9)。
24、 承上启下：承接上面的，引起下面的。多用在写文章方面。
25、元旦会上去唱歌还是跳舞，我真是难以选择，进退失据。
26、(区别)都表示按道理应该如此的意思。前者信笺在应当如此，适用范围要比后者宽得多；后者偏重在合乎道理，语意重，色彩庄重，还可指非常正确的、不能改变的道理。恋恋不舍流连忘返
27、都有“耳朵听到、眼睛看到”的意思。异：前者强调亲自听到、看到，受没受到影响则不管。后者强调经常听到、看到，并不知不觉受到深刻的影响。濡：沾湿、润泽。染：沾染。
28、进退两难，前进和后退都难。比喻事情无法决定，因而难以行动。
29、 (单选题)四个小偷(每人各偷了一种东西)接受盘问。甲说：每人只偷了一块表;乙说：我只偷了一颗钻石;丙说：我没偷表;丁说：有些人没偷表。经过警察的进一步调查，发现这次审问中只有一人说了实话。
30、(区别)都有最后拼一下以求胜利的意思。前者偏重在尽所有力量作最后一次冒险(注，赌注)贬义；后者偏重在下决心决一胜负，褒义。 随机应变见风使舵见机行事
31、开始，斑羚们发现自己陷入了进退维谷的绝境，一片惊慌，胡乱蹿跳。
32、我们针对NLP任务的特点来说下Transformer的对应解决方案。首先，自然语言一般是个不定长的句子，那么这个不定长问题怎么解决呢？Transformer做法跟CNN是类似的，一般设定输入的最大长度，如果句子没那么长，则用Padding填充，这样整个模型输入起码看起来是定长的了。另外，NLP句子中单词之间的相对位置是包含很多信息的，上面提过，RNN因为结构就是线性序列的，所以天然会将位置信息编码进模型；而CNN的卷积层其实也是保留了位置相对信息的，所以什么也不做问题也不大。但是对于Transformer来说，为了能够保留输入句子单词之间的相对位置信息，必须要做点什么。为啥它必须要做点什么呢？因为输入的第一层网络是Muli-headselfattention层，我们知道，Selfattention会让当前输入单词和句子中任意单词发生关系，然后集成到一个embedding向量里，但是当所有信息到了embedding后，位置信息并没有被编码进去。所以，Transformer不像RNN或CNN，必须明确的在输入端将Positon信息编码，Transformer是用位置函数来进行位置编码的，而Bert等模型则给每个单词一个Positionembedding，将单词embedding和单词对应的positionembedding加起来形成单词的输入embedding，类似上文讲的ConvS2S的做法。而关于NLP句子中长距离依赖特征的问题，Selfattention天然就能解决这个问题，因为在集成信息的时候，当前单词和句子中任意单词都发生了联系，所以一步到位就把这个事情做掉了。不像RNN需要通过隐层节点序列往后传，也不像CNN需要通过增加网络深度来捕获远距离特征，Transformer在这点上明显方案是相对简单直观的。说这些是为了单独介绍下Transformer是怎样解决NLP任务几个关键点的。
33、而在今年最后一场州议会选举中，自民d在下萨克森州依然逃脱不了失败的命运。虽然得票率的跌幅比石荷州和北威州来得小，只跌了8个百分点，但因未能跨过5%的门槛，因而被踢出州议会。而赢得这场州议会选举的社民d则已与绿d组成红绿联盟共同执政。
34、再看长期疗效：CRISPR称CTX110实现了长久的反应，患者6个月CR为21%，(对比下吉利德自体CAR-T在注册临床中6个月CR达到40%)。从下图能够看到，有50%(7/14)患者在初次评估为CR/PR后1-2月内发生进展(红框中)，并且在接受二次治疗后仍旧会在短时间里再次发生进展，由此看来UCAR-T的长期疗效，仍是临床中令人担忧的问题。
35、这些细胞冻存和复苏的坑，怎么破？这几个手段必不可少！
36、 “夕惕若厉”指朝夕戒惧，如临危境，不敢稍懈
37、这其实是比较巧妙的一种方法，但是它的问题在于其并行程度上限是有限的，并行程度取决于隐层神经元个数，而一般这个数值往往不会太大，再增加并行性已经不太可能。另外每一路并行线路仍然需要序列计算，这也会拖慢整体速度。SRU的测试速度为：在文本分类上和原始CNN(Kim2014)的速度相当，论文没有说CNN是否采取了并行训练方法。其它在复杂任务阅读理解及MT任务上只做了效果评估，没有和CNN进行速度比较，我估计这是有原因的，因为复杂任务往往需要深层网络，其它的就不妄作猜测了。
38、(区别)都表示荒唐、不可信之意。但不经指不正常，不近情理；无稽指无法考查，绝伦指超出同类，没有可以相比的，后者语意最重。 爱财如命一毛不拔
39、 “进退失据”指前进和后退都失去了依据。形容无处容身。也指进退两难
40、内心永远干净宽容，做一个落落大方，虚怀若谷的女子。
41、(区别)前者指呈现崭新的面貌，形容彻底改变原来的模样，褒义词；后者指面貌完全改变。形容变动极大，贬义词。煞费苦心挖空心思
42、(区别)都可指行走困难。前者一般只用于老年人或有病的人；后者常比喻处境困难。
43、所以归纳一下的话，可以认为并行计算能力由高到低排序如下：Transformer和CNN差不多，都远远远远强于RNN。
44、上图列出了单层的Selfattention／RNN／CNN的计算效率，首先要注意：上面列的是Selfattention，不是Transformer的Block，因为TransformerBlock里其实包含了好几层，而不是单层。我们先说selfattention，等会说TransformerBlock的计算量。
45、都有“遵循一定的程序”的意思。异：前者强调按一定步骤和规矩、部、班、门类、次序。后者强调逐渐深入或提高。
46、绿d和自民d先进行了磋商。随即，两d又分别与社民d和联盟d进行了试探性会谈。
47、 9月27日晚，哈贝克表态称，按照他的估计，可能不得不让巴伐利亚州伊萨尔核电站2号机组 (Isar2)和巴符州内卡韦斯特海姆核电站2号机组 (Neckarwestheim2)在2023年第一季度继续运行。
48、NLP是个很宽泛的领域，包含了几十个子领域，理论上只要跟语言处理相关，都可以纳入这个范围。但是如果我们对大量NLP任务进行抽象的话，会发现绝大多数NLP任务可以归结为几大类任务。两个看似差异很大的任务，在解决任务的模型角度，可能完全是一样的。
49、都有“用尽心思，费尽心血”的意思。前者多指在不好的事情上挖空心思，绞尽脑汁，多用作贬义。后者多指为好的事业费神劳心，鞠躬尽瘁，多用作褒义。
50、但是，“进退两难”可以做定语，“进退维谷”也不能做定语。例如“看样子是怀着满腹心事，处于进退两难的境地。”一般不说成“看样子是怀着满腹心事，处于进退维谷的境地。”
51、 参差不齐：不整齐，指人水平不指物高低长短不一。
52、 我，笔名子聿。一个不太着调但非常靠谱的语文老师。穷极一生，做不完一场写作的梦。
53、 未雨绸缪：趁着天没下雨，先修缮房屋门窗。比喻事先做好准备。
54、进退两难：出自元代郑德辉的《周公摄政》第一折，“娘娘道不放微臣进宫闱，进退两难为。”
55、其实很简单，参考上面两张PPT，简而言之，大的方向就是把selfattention模块用双向RNN或者CNN替换掉，TransformerBlock的其它构件依然健在。当然这只是说明一个大方向，具体的策略可能有些差异，但是基本思想八九不离十。
56、进退维谷：无论是进还是退，都是处在困境之中。形容处境艰难，进退两难。
57、 第一步，由“持续增长的快车道”和“推上了一个高峰”可知，文段肯定了中国在经济发展方面取得的巨大成就，然后又强调在成就之上也有“风险隐患”，所以第一空需要填入表达“在取得成绩的情况下保持小心谨慎”这层含义的词语。“夕惕若厉”“防患未然”“常备不懈”这三个词都只有“保持警惕”的意思，但没有“在取得成绩的情况下保持警惕”这层意思，故排除A项、B项和C项。“居安思危”指在安逸的情况下想到可能发生的危险，符合语境。
58、前者形容危险就在眼前。旦夕：早晨和晚上，形容时间短。后者比喻形势非常危险，如同堆起来的蛋，随时都有塌下打碎的可能。
59、 络绎不绝：意义同前，侧重指往不同方向。