学习人工智能避免不了会接触到 transformer 和 transforms 开始以为是一个东西，结果发现是两个完全不同的东西。

Transformer 是一种基于自注意力机制（self - attention mechanism）的神经网络架构。它主要用于处理序列数据，如自然语言处理中的句子。Transformer 架构摒弃了传统的循环神经网络（RNN）和卷积神经网络（CNN）在序列处理中的一些局限。例如在机器翻译任务中，Transformer 架构的模型（如著名的 BERT、GPT 系列）能够很好地理解句子中单词之间的语义关系，通过多头注意力机制（Multi - Head Attention）并行地计算序列中每个位置与其他位置的关联程度。

Transforms 是PyTorch类库中的一个模块，transforms通常是指一系列的数据转换操作。这些操作主要用于对图像数据进行预处理，例如调整图像的大小（Resize）、将图像转换为张量（ToTensor）、对图像进行归一化（Normalize）等。以图像分类任务为例，在将图像输入到卷积神经网络之前，需要通过transforms对图像进行预处理，使得图像数据符合网络的输入要求，提高模型的性能和训练效率。