Transformer的Decoder中最显著的结构是Casual Attention。通过本篇文章，你将学会Casual Attention的机制原理；Casual Attention在TensorFlow中的实现原理；如何快速地保存并打印TensorFlow中模型已经训练好的参数；如何实现Transformer的Decoder的前向传播；

SOLA算法背景下的变声器(附有源码和源码分析以及原理分析与SOLA算法精讲)——实现声音的变调不变速或者变速。

利用TensorFlow训练一个中文文本情感二分类的RNN模型，涉及了LSTM算法

英语文本的预处理通常是Tonkenizing，而Tonkenizing的最小维度分为三种——word(单词)，wordpiece(单词块)，character(字母)。word的Tokenizing很好处理，因为英文文本单词之间有着天然的空格符，完全可以根据空格符进行Tokenizing。character的Tokenizing也同样好处理，只需将文本里所有字母切分开就行了。但是wordpiece

前后端涉及到文件的传输，都是以二进制流的形式进行交互的。