在上一篇博客中，我们已经详细分析了Encoder-Decoder架构和Attention机制，并基于二者实现了机器翻译的实例，本文将在此基础上，进一步使用Transformer进行机器翻译。

本文是一篇NLP实验博客，核心内容是Encoder-Decoder、注意力机制，并将二者应用于机器翻译。文章结尾的拓展部分详细分析了模型构建和训练过程中的部分问题，欢迎评论区讨论。

本文是一篇实验博客，适合正在学习NLP的同学阅读。分别使用MLP和CNN进行姓氏分类。实验环境：Python3.6.7，基于Pytorch实现。受篇幅限制，本文仅给出部分代码示例。