随写transformer

作为针对序列建模的模型,RNN,LSTM在以序列为主要呈现形式的NLP任务上展现出远超CNN的卓越性能。但是仍有缺陷:

  • RNN为单向依序计算,序列需要依次输入,串行计算,限制了计算机的并行计算能力,导致时间成本过高。
  • RNN难以捕捉长期依赖 问题,即对于极长的序列,RNN难以捕捉远距离输入 之间的关系。虽然LSTM通过门机制对此进行了一定优化,但RNN对长期依赖问题的捕捉能力仍然不如人意。

针对上述两个问题,2017年,Vaswani 等人发表了论文**《Attention Is All You Need》** ,抛弃了传统的 CNN、RNN 架构,提出了一种全新的完全基于 attention 机制 的模型------Transformer ,解决了上述问题,在较小的时间成本下取得了多个任务的 the-state-of-art效果,并为自然语言处理任务提供了新的思路。

自此,attention 机制进入自然语言处理任务的主流架构,在 Transformer 的基础上,诞生了预训练-微调范式 的多种经典模型如 Bert、GPT、T5 等。当然,同样是在 Transformer 的肩膀上,引入了 RLHF 机制 、实现了大量参数建模的 ChatGPT 则带领 NLP 进入了全新的大模型时代。

但不管是预训练-微调范式的主流模型 Bert,还是大模型时代的主流模型 ChatGPT、LLaMA,Transformer 都是其最坚实的基座。

注意力公式Q与K乘积进行放缩的原因:

如果Q和K对应的维度比较大,softmax放缩时就非常容易受影响,使不同值之间的差异较大,从而影响梯度的稳定性,因此,要将Q和K乘积的结果做一个放缩。

相关推荐
APIshop15 分钟前
代码实例:Python 爬虫抓取与解析 JSON 数据
爬虫·python·json
程序员爱钓鱼28 分钟前
Python编程实战 · 基础入门篇 | Python的版本与安装
后端·python
hmbbcsm38 分钟前
练习python题目小记
python
ZhengEnCi1 小时前
CMD 与 Python 完全区别指南-小白必看的编程入门解惑宝典
windows·python
Hs_QY_FX1 小时前
逻辑回归实战:泰坦尼克号生存预测
python·逻辑回归
惜月_treasure2 小时前
LlamaIndex多模态RAG开发实现详解
开发语言·python·机器学习
扶尔魔ocy2 小时前
python 部署可离线使用的中文识别OCR(window)
python·中文识别·cnocr
一晌小贪欢3 小时前
Python爬虫第4课:XPath与lxml高级解析技术
开发语言·爬虫·python·网络爬虫·python爬虫·python3·python办公
虚行3 小时前
C#项目连接S7-PLCSIM Advanced读写操作
开发语言·python·c#
不太会写3 小时前
又开始了 小程序定制
vue.js·spring boot·python·小程序