本课程带你用 PyTorch 从零实现 Transformer，真正理解 ChatGPT 这类大模型的核心骨架。课程不满足于调用现成 API，而是沿着 Self-Attention、TransformerBlock、Encoder/Decoder 到完整 Transformer 的路径，手写 Q、K、V 注意力计算，拆解 mask、多头注意力、位置编码、残差连接、LayerNorm、Dropout 等关键机制。学完后，你不仅能看懂 Attention 公式及其直观含义，还能搭建一个简化 demo，完成基本前向计算，并理解 Transformer 为何既能处理 NLP，也能迁移到 CV。适合已有一定 PyTorch 基础、希望深入大模型原理、想从“会调包”走向“懂结构”的学习者。如果你正为面试、科研或项目落地补足底层能力，这门课会提供一条清晰、可实践的入门路径。Demo 输出本身无实际语义，重点是掌握结构与实现流程。