目录
摘要
本篇文章继续学习李宏毅老师2025春季机器学习课程，学习内容是Transformer的基本概念以及Transformer中encoder的基本架构。
Abstract
This article continues the study of Prof. Hung-yi Lee's 2025 Spring Machine Learning Course , focusing on the fundamental concepts of the Transformer and the basic architecture of its encoder.
1.Transformer基本概念
transformer实际上就是我们之前提到过的sequence to sequence的model，即输入一个句子输出一个句子，输入和输出的长度不固定，例如下图的语音识别，句子翻译，语音翻译等。
sequence to sequence的基本架构如下图，需要一个encoder处理输入，一个decoder处理输出。
实际上与Transformer的架构相似，Transformer的架构如下图
2.Encoder
encoder实际上要做的事情就是给一排向量输出另一排向量。
在encoder中会分成很多的block，输入一排向量给第一个block，第一个block输出给第二个block作为输入一直到最后一个block输出最终的向量。在transformer中一个block做的事情就是，先做一个self-attention考虑整个句子的资讯，输出另一排向量，再丢到fully connected的network中输出。
在原来的transformer中做的事情是更复杂的，在self-attention中加入了一个设计叫做residual connection，即输入self-attention的向量假设为b，输出的向量假设为a，在经过self-attention后将输入与输出合并起来，即a+b作为新的输出。
在得到residual的结果后进行normalization，用到的是layer normalization，它比batch normalization更简单，layer normalization就是输入一个向量输出一个向量，它计算输入向量均值和标准差，用向量中的每个数值减去均值后除标准差，最后得出的结果才是fully connected的输入。
在fully connected中同样也需要用residual，在得到residual的结果后也需要进行normalization。最后的输出才是block的输出。
transformer总体的encoder流程如下图右侧部分，输入可能还需要加入位置讯息（positional encoding），经过N个block输出最后的结果。
