TransFormer--注意力机制：位置编码

我们还是以I am good（我很好）为例。在RNN模型中，句子是逐字送入学习网络的。换言之，首先把I作为输入，接下来是am，以此类推。通过逐字地接受输入，学习网络就能完全理解整个句子。然而，Transformer网络并不遵循递归循环的模式。因此，我们不是逐字地输入句子，而是将句子中的所有词并行地输入到神经网络中。并行输入有助于缩短训练时间，同时有利于学习长期依赖。

不过，并行地将词送入Transformer，却不保留词序，它将如何理解句子的意思呢

Transformer也需要一些关于词序的信息，以便更好地理解句子。但这将如何做到呢？

对于给定的句子I am good，我们首先计算每个单词在句子中的嵌入值。嵌入维度可以表示为 d m o d e l d_{model} dmodel。比如将嵌入维度 d m o d e l d_{model} dmodel设为4，那么输入矩阵的维度将是[句子长度×嵌入维度]，也就是[3 × 4]。

同样，用输入矩阵X（嵌入矩阵）表示输入句I am good。假设输入矩阵X如下图所示。

如果把输入矩阵X直接传给Transformer，那么模型是无法理解词序的。因此，需要添加一些表明词序（词的位置）的信息，以便神经网络能够理解句子的含义。所以，我们不能将输入矩阵直接传给Transformer。这里引入了一种叫作位置编码的技术，以达到上述目的。顾名思义，位置编码是指词在句子中的位置（词序）的编码。

位置编码矩阵P的维度与输入矩阵X的维度相同。在将输入矩阵直接传给Transformer之前，我们将使其包含位置编码。我们只需将位置编码矩阵P添加到输入矩阵X中，再将其作为输入送入神经网络，如下图所示。这样一来，输入矩阵不仅有词的嵌入值，还有词在句子中的位

置信息。

位置编码矩阵究竟是如何计算的呢？如下所示，Transformer论文"Attention Is All You Need"的作者使用了正弦函数来计算位置编码：

P ( p o s , 2 i ) = s i n ( p o s 1000 0 2 i / d m o d e l ) P(pos, 2i) = sin(\frac{pos}{10000^{ 2i / d_{model} }}) P(pos,2i)=sin(100002i/dmodelpos)

P ( p o s , 2 i + 1 ) = c o s ( p o s 1000 0 2 i / d m o d e l ) P(pos, 2i + 1) = cos(\frac{pos}{10000^{ 2i / d_{model} }}) P(pos,2i+1)=cos(100002i/dmodelpos)

在上面的等式中，pos表示该词在句子中的位置，i表示在输入矩阵中的位置。下面通过一个例子来理解以上等式，如下图所示。

可以看到，在位置编码中，当i是偶数时，使用正弦函数；当i是奇数时，则使用余弦函数。通过简化矩阵中的公式，可以得出下图所示的结果。

我们知道I位于句子的第0位，am在第1位，good在第2位。代入pos值，我们得到下图所示的结果。

最终的位置编码矩阵P如下图所示。

只需将输入矩阵X与计算得到的位置编码矩阵P进行逐元素相加，并将得出的结果作为输入矩阵送入编码器中。

让我们回顾一下编码器架构。下图是一个编码器模块，从中我们可以看到，在将输入矩阵送入编码器之前，首先要将位置编码加入输入矩

阵中，再将其作为输入送入编码器。

以上就是位置编码的全部内容啦！