【深度学习】Transformer 的常见的位置编码有哪些

Transformer 位置编码(Positional Encoding)主要用于弥补 自注意力机制(Self-Attention) 对位置信息的忽略,常见的方案有以下几种:


1. 绝对位置编码(Absolute Positional Encoding)

绝对位置编码是最早在原始 Transformer 论文(《Attention Is All You Need》)中提出的方式,它在每个 token 位置加入一个固定的向量,用于表示其位置信息。

(1) 三角函数编码(Sinusoidal Positional Encoding)

公式:
P E ( p o s , 2 i ) = sin ⁡ ( p o s 1000 0 2 i / d model ) PE_{(pos, 2i)} = \sin\left(\frac{pos}{10000^{2i/d_{\text{model}}}}\right) PE(pos,2i)=sin(100002i/dmodelpos)
P E ( p o s , 2 i + 1 ) = cos ⁡ ( p o s 1000 0 2 i / d model ) PE_{(pos, 2i+1)} = \cos\left(\frac{pos}{10000^{2i/d_{\text{model}}}}\right) PE(pos,2i+1)=cos(100002i/dmodelpos)

其中:

  • p o s pos pos 是 token 在序列中的位置索引,
  • i i i 是 embedding 维度索引,
  • d model d_{\text{model}} dmodel 是模型维度(如 512)。

🔹 特点:

  • 位置编码与 token embedding 相加后输入 Transformer,提供全局位置信息
  • 由于三角函数具有周期性,它可以外推到未见过的长度(泛化性较强)。
  • 绝对位置 基础上,同时保留了相对位置信息,即相邻 token 具有相似的编码。

🔹 代码实现(PyTorch):

python 复制代码
import torch
import math

def positional_encoding(seq_len, d_model):
    pe = torch.zeros(seq_len, d_model)
    position = torch.arange(0, seq_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)
    return pe

pos_encoding = positional_encoding(50, 512)  # 50个位置,512维度

2. 相对位置编码(Relative Positional Encoding, RPE)

在绝对位置编码中,每个 token 的位置都是固定的 ,但有时候我们更关心的是 token 之间的相对位置,比如 NLP 任务中的依存关系。

(1) 相对位置偏置(Relative Position Bias)

这种方法在 Transformer-XLT5 等模型中被广泛使用:
α i j = q i k j T d k + b i j \alpha_{ij} = \frac{q_i k_j^T}{\sqrt{d_k}} + b_{ij} αij=dk qikjT+bij

其中:

  • q i , k j q_i, k_j qi,kj 是 Query 和 Key,
  • b i j b_{ij} bij 是基于相对位置的偏置项。

🔹 特点:

  • 不需要额外的位置向量,只是在注意力计算时引入偏置。
  • 适用于 Transformer-XL、T5 这类架构,提高了泛化能力。

🔹 代码实现(PyTorch,T5 方式):

python 复制代码
import torch
class RelativePositionBias(torch.nn.Module):
    def __init__(self, num_heads, max_position=512):
        super().__init__()
        self.relative_bias = torch.nn.Embedding(2 * max_position - 1, num_heads)

    def forward(self, qlen, klen):
        context_position = torch.arange(qlen, dtype=torch.long)[:, None]
        memory_position = torch.arange(klen, dtype=torch.long)[None, :]
        relative_position = memory_position - context_position + (self.relative_bias.num_embeddings // 2)
        return self.relative_bias(relative_position)

3. 可学习的位置编码(Learnable Positional Encoding)

BERTViT(Vision Transformer) 等模型中,位置编码不使用固定公式,而是让模型自己学习 合适的位置编码:
P E = Embedding ( position , d model ) PE = \text{Embedding}(\text{position}, d_{\text{model}}) PE=Embedding(position,dmodel)

  • 直接用一个可训练的嵌入层(类似于 word embedding),让模型自动学习最优的位置表示。
  • 训练过程中,位置编码会随着任务进行调整,提供更灵活的位置信息。

🔹 代码实现(PyTorch):

python 复制代码
import torch.nn as nn

class LearnablePositionalEncoding(nn.Module):
    def __init__(self, max_seq_len, d_model):
        super().__init__()
        self.pos_embedding = nn.Embedding(max_seq_len, d_model)

    def forward(self, positions):
        return self.pos_embedding(positions)

🔹 优缺点:

  • 灵活性强,可适配不同任务。
  • 不具备外推能力,训练时没见过的序列长度可能无法泛化。

4. 旋转位置编码(Rotary Positional Embeddings, RoPE)

RoPE 是 GPT-4、LLaMA 等现代大模型的主流方法,它基于旋转变换引入相对位置信息。

核心思想

  • 将位置编码融入 Query 和 Key 之间的点积计算,而不是显式地加到 token embedding 上。
  • 使用复数旋转矩阵来编码位置。

公式(简化版):
RoPE ( q , k ) = ( q e i θ p o s ) ⋅ ( k e i θ p o s ) \text{RoPE}(q, k) = (q e^{i\theta_{pos}}) \cdot (k e^{i\theta_{pos}}) RoPE(q,k)=(qeiθpos)⋅(keiθpos)

其中:

  • θ p o s \theta_{pos} θpos 由三角函数定义,使得不同位置的 embedding 通过旋转操作嵌入相对位置信息。

🔹 代码实现(简化版):

python 复制代码
import torch

def rotary_positional_embedding(x, theta):
    cos_theta = torch.cos(theta)
    sin_theta = torch.sin(theta)
    x1, x2 = x[..., ::2], x[..., 1::2]  
    return torch.cat([x1 * cos_theta - x2 * sin_theta, x1 * sin_theta + x2 * cos_theta], dim=-1)

🔹 优缺点

  • 相对位置编码,泛化性更强
  • 适用于长文本场景,如 GPT-4 和 LLaMA
  • 比固定位置编码计算复杂度更高

5. 复合位置编码(Hybrid Positional Encoding)

一些模型(如 ALiBi, LLaMA-2)结合了不同类型的位置编码:

  • ALiBi(Attention Linear Bias):使用线性偏差项代替显式的位置向量。
  • T5 相对位置 + RoPE 结合,用于更强大的自回归任务。

总结

方法 位置表示 计算方式 是否可外推(超长文本) 适用场景
三角函数位置编码(Sinusoidal PE) 绝对 固定公式 原始 Transformer
相对位置偏置(Relative PE) 相对 注意力偏置 Transformer-XL, T5
可学习位置编码(Learnable PE) 绝对 训练可变 BERT, ViT
RoPE(旋转位置编码) 相对 旋转变换 GPT-4, LLaMA
ALiBi(Attention Linear Bias) 相对 线性偏置 长文本任务

👉 现代 Transformer 模型更偏向于 RoPE 和 ALiBi,因为它们能适应更长的文本,并且提高了训练稳定性和泛化能力!

写在最后

本文采用了 ChatGPT 辅助进行内容的书写和完善本文采用了 ChatGPT 辅助进行内容的书写和完善

相关推荐
likunyuan08304 分钟前
概率统计中的数学语言与术语1
人工智能·机器学习·概率论
qq_3148108117 分钟前
AI与IT人:协作而非替代
人工智能
骑猪兜风23325 分钟前
深度解析 ChatGPT 和 Claude 的记忆机制
人工智能·chatgpt·ai编程
蒋星熠42 分钟前
脑机接口(BCI):从信号到交互的工程实践
人工智能·python·神经网络·算法·机器学习·ai·交互
gc_229944 分钟前
学习Python中Selenium模块的基本用法(17:使用ActionChains操作键盘)
python·selenium
大模型铲屎官1 小时前
【数据结构与算法-Day 37】超越二分查找:探索插值、斐波那契与分块查找的奥秘
人工智能·python·大模型·二分查找·数据结构与算法·斐波那契·分块查找
blank@l1 小时前
Python类和对象----实例属性,类属性(这是我理解类和对象最透彻的一次!!)
开发语言·python·python接口自动化基础·python类和对象·python实例属性·python类属性·类属性和实例属性的区别
超奇电子1 小时前
高斯包络调制正弦波的Python代码
开发语言·python
数智顾问1 小时前
Transformer模型:深度解析自然语言处理的革命性架构——从注意力机制到基础架构拆解
人工智能·rnn·深度学习
IT_陈寒1 小时前
React Hooks 实战:这5个自定义Hook让我开发效率提升了40%
前端·人工智能·后端