TransFormer 视频笔记

TransFormer

• Basics
• Attention
• • [单头注意力 single head attention](#单头注意力 single head attention)
  • • [Q： query 查寻矩阵 128*12288](#Q： query 查寻矩阵 128*12288)
    • [K key matrix 128*12288](#K key matrix 128*12288)
    • [SoftMax 归一 !在这里插入图片描述(https://i-blog.csdnimg.cn/direct/19e3cf1ea28442eca60d5fc1303921f4.png)](#SoftMax 归一 )
    • [Value matrix 12288*12288](#Value matrix 12288*12288)
• MLP

Basics

接受一段文本，输出一个单词。

token -> (Embeding)-> high dimensional vector. 方向对应语义

​​​​​​​​​​​​

最初的向量也包含位置信息。1万多维。

Attention

除以d_k 是为了数值稳定

将上下文的信息传给当前token。

attention机制给最初的generic embedding加个向量，将其移动到上下文对应的具体方向上。

Attention不仅精细化了嵌入向量的定义，还能将嵌入向量的信息传给其他的向量。

经过多层attention后，预测下一个token的计算过程完全取决于最后一个向量。

单头注意力 single head attention

Q： query 查寻矩阵 128*12288

W_Q 将E(嵌入向量)映射低维空间中。Q是128*1

K key matrix 128*12288

Key矩阵同样将嵌入向量映射到低维空间中，得到第二个向量序列。当key与query的方向一致时(两个向量的点积越大越相关)，就能认为他们匹配。

SoftMax 归一

Masking： 在训练时，不能提前知道答案，后级的信息不能传递给前级。为了避免后级token对前级的影响，将下半边矩阵设为－∞。

该pattern表明每个词与其他哪些词相关

Value matrix 12288*12288

MLP