深度学习·经典模型·Transformer

用于博主复习

Transformer

Encoder

• 输入和输出维度不变
• 输入维度： ( n , d m o d e l ) (n,d_{model}) (n,dmodel)，d m o d e l d_{model} dmodel一般是512，是embedding后的维度
• 输出维度： ( n , d m o d e l ) (n,d_{model}) (n,dmodel)

自注意力层

注意力分为自注意力 和交叉注意力

Q,K,V

• Q,K,V的含义不需要特别分清楚

V在自注意力和交叉注意力中的来源不同

• Q: ( n , d m o d e l ) (n,d_{model}) (n,dmodel),
• K: ( n , d m o d e l ) (n,d_{model}) (n,dmodel)
• V: ( n , d m o d e l ) (n,d_{model}) (n,dmodel):
• 注：d_model一般都为512，三者的d_model可以不同

d k \sqrt{d_k} dk 的作用

To illustrate why the dot products get large, assume that the components of q and k are independent random variables with mean 0 and variance 1. Then their dot product, q · k has mean 0 and variance d_k.

防止过于softmax过于集中，梯度过小(本质上是因为梯度关系)

• 数学解释 ：Q,K的均值为0,方差为1时,QK的均值为0,方差为 d k d_k dk

多头注意力

多头的动机：多头是为了学习不同的线性映射关系

• 假设头数h=8,会有8个K,Q,V矩阵，维度为 d m o d e l / 8 d_{model}/8 dmodel/8,这些矩阵都是相对独立的，学习到的映射也不尽相同。

本质上是对 d m o d e l d_{model} dmodel特征维度学习的拆分

• 最后拼接回来形成 ( n , d m o d e l ) (n,d_{model}) (n,dmodel)的输出即可

注意力输出

对原始token特征向量的基于上下文的一个"修正"或者新的映射

• (QK)与V的乘积反映在特征空间上的加权，特征向量的某些维度(根据注意力权重)对于形成token新的特征向量更加重要？
• 维度不变

MASKED掩码

只用于decoder中，由于decoder是基于自回归的方式，所以不能让一个t-1时刻的token与t时刻以后的tokens作注意力

• Transformer掩码计算: s o f t m a x ( Q K T ∗ M A S K E D ) ∗ V softmax(QK^T*MASKED)*V softmax(QKT∗MASKED)∗V
  

交叉注意力

• K,V是来自encoder的信息矩阵,Q是来自Decoder的信息矩阵.

显然是根据encoder的信息，对decoder的特征向量进行专属修正

FFN层

原文描述:In addition to attention sub-layers, each of the layers in our encoder and decoder contains a fully connected feed-forward network, which is applied to each position separately and identically. This consists of two linear transformations with a ReLU activation in between

除了注意力子层之外，我们的编码器和解码器中的每个层都包含一个完全连接的前馈网络，该网络分别且相同地应用于每个位置。这包括两个线性转换，中间有一个 ReLU 激活

• 两个MLP,一个MLP负责放大维度到 4 ∗ d m o d e l 4*d_{model} 4∗dmodel，两一个负责输出回 d m o d e l d_{model} dmodel。

不要忘记：中间有一个GELU作为激活

Add&Norm

• 残差连接后 ，再归一化

位置编码

位置编码的动机：Transformer没有序列先后顺序这一概念.

位置编码对于Transformer的作用明显,不加会掉点.

模型Workflow

• 接受两个句子作为输入
• 根据Softmax自回归输出token.
  

参考文献

• 一文了解Transformer全貌（图解Transformer）

@misc{vaswaniAttentionAllYou2023,
  title = {Attention {{Is All You Need}}},
  author = {Vaswani, Ashish and Shazeer, Noam and Parmar, Niki and Uszkoreit, Jakob and Jones, Llion and Gomez, Aidan N. and Kaiser, Lukasz and Polosukhin, Illia},
  year = {2023},
  number = {arXiv:1706.03762},
  eprint = {1706.03762},
  primaryclass = {cs},
  publisher = {arXiv},
  doi = {10.48550/arXiv.1706.03762},
  archiveprefix = {arXiv}
}