Transformer本身是一个典型的encoder-decoder模型，Encoder端和Decoder端均有6个Block，Encoder端的Block包括两个模块，多头self-attention模块以及一个前馈神经网络模块；
Decoder端的Block包括三个模块，多头self-attention模块，多头Encoder-Decoder attention交互模块，以及一个前馈神经网络模块；
需要注意：Encoder端和Decoder端中的每个模块都有残差层和Layer Normalization层。
思路一：暴力解法
直接遍历整个数组，找到目标值target
代码如下：
空间复杂度：O(1)
先要设置整个数组的左右两端端点：left = 0，right = len(nums) - 1
1、若 target == nums[mid]，直接返回
2、若 nums[left] <= nums[mid]，说明左侧区间 [left,mid]「连续递增」。此时：
若 nums[left] <= target <= nums[mid]，说明 target 位于左侧。令 right = mid-1，在左侧区间查找；否则，令 left = mid+1，在右侧区间查找
3、否则，说明右侧区间 [mid,right]「连续递增」。
此时：
若 nums[mid] <= target <= nums[right]，说明 target 位于右侧区间。令 left = mid+1，在右侧区间查找
否则，令 right = mid-1，在左侧区间查找
代码如下：
空间复杂度：O(1)
思路：
1、如果 root 为空，直接返回 [ ]
2、定义一个数组queue，并将 root 添加到 queue中，再定义一个res 数组保存结果
3、遍历 当前层 queue 的每个左子节点，右子节点，入队列，且要把 queue 更新成当前层的孩子节点列表，直到 queue 为空。
代码如下：
参考：https://www.cnblogs.com/lintcode/p/14208525.html
思路：动态规划
dp[0][j] = abs(j - A[0])
dp[i][j] = min(dp[i][j], dp[i - 1][k] + abs(j - A[i]))
代码如下：
降低模型复杂度
增加更多的训练数据：使用更大的数据集训练模型
数据增强
正则化：L1、L2、添加BN层
添加Dropout策略
Early Stopping
欠采样：从样本较多的类中再抽取，仅保留这些样本点的一部分；
过采样：复制少数类中的一些点，以增加其基数；
生成合成数据：从少数类创建新的合成点，以增加其基数。
添加额外特征：除了重采样外，我们还可以在数据集中添加一个或多个其他特征，使数据集更加丰富，这样我们可能获得更好的准确率结果。