本书从原理的角度, 系统地讲解序列监督学习、序列聚合、注意力机制、Transformer层以及三种类型的Transformer架构; 从应用的角度, 讲解并演示如何在自然语言处理、计算机视觉、信号处理、推荐系统、深度强化学习等领域使用Transformer架构完成文本分类、文本生成、机器翻译、语音识别、语音合成、图像分类、图像说明、视频分类、视频预测等任务; 并从实践的角度, 通过47个循序渐进的实验, 引领读者使用PyTorch框架独立编程实现上述方法和架构、完成上述任务。