\(transformer\) 解决任务
1.特点
摒弃了循环结构，通过自注意力机制衡量上下文单词的重要程度
说人话就是联系前后单词对于该单词的影响来完成本单词的翻译
2.运行逻辑
在运行前，由于摒弃了循环结构，我们需要在词语中嵌入位置编码来构建单词的向量表示，模型利用每个词语的位置与维度构建单独位置的位置编码(由于与位置相关可以利用位置编码反推距离信息)
计算位置编码代码：
position = torch.arange(0, max_len, dtype=torch.float).unsqueeze(1)
div_term = torch.exp(torch.arange(0, d_model, 2).float() * (-math.log(10000.0) / d_model))
pe[:, 0::2] = torch.sin(position * div_term)
pe[:, 1::2] = torch.cos(position * div_term)
#其中0与1表示两个维度 position计算位置
\(transformer\)主要组件分为编码器，解码器和注意力层，主要构架如图所示
可以看出，在编码器中，\(transformer\)通过两个子层的叠加达到了对中文部分的编码
在第一层注意力层中，代码依赖三个元素\(Key,Query,Value\)计算权重，通过权重来反应上下文单词的重要程度
\[Z=Attention(Q,K,V)=Softmax(\frac{QK^{T}}{\sqrt{d}})V \]做\(\sqrt{d}\)的处理是基于防止放大的匹配分数导致梯度爆炸的问题
在前馈层中，通过接收自注意力层的输入，通过\(Relu\)函数做非线性变换，实验表明，该线性变换非常重要
在对模型的训练中，通过残差链接与层归一化来稳定输出，解决庞大的数据量导致的训练困难的问题，残差链接通过映射函数控制两个输出之间的关系：
\[x^{l+1}=f(x^l)+x^l \]由图可以看出，解码器流程与编码器类似，但更为复杂，主要由于解码器的序列未知，所以，在解码器中，在自注意力子层增加了注意力掩码，来掩盖后续的文本，以防后续文本干扰训练
标签：TASK,AI,torch,Datawhale,单词,解码器,位置,position,注意力 From： https://www.cnblogs.com/RealMadrid/p/18313282