Transformer 本质上是一个模型，即输入一个序列，输出也是一个序列，输出的长度由模型自己决定。Seq2seq 的典型应用场景应用场景说明语音识别将声音讯号转换为文字机器翻译将一种语言的文字转换为另一种语言语音翻译将声音讯号直接转换为指定语言的文字文本到语音合成（TTS）将文字转换为语音聊天机器人问答与对话生成句法分析将句法分析树转化为序列输出多标签分类每个对象可能同时属于多个类别，输出类别

目标：预测一个连续的数值输出。示例：根据历史 PM2.5 数据预测未来一小时的 PM2.5 数值。x：输入特征（已知）y：预测值w：权重（未知）b：偏置（未知）损失函数：衡量一组参数(w, b)预测结果与真实值之间的差距。常用形式：MAE（平均绝对误差）MSE（均方误差）训练过程中数据分批（Batch）：一个批次计算一次损失并更新参数 → 一次Update完整遍历一次所有批次 → 一个Epoch。