参考自:http://fancyerii.github.io/2019/03/09/transformer-codes/
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
每个词都是有其他词的信息的,这个是 FNN 的区别
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
与普通的 attention 相比,Query可以看作是decoder的隐状态,Key可以看作是encoder的输出,Value可以看作是encoder的输出
在这里插入图片描述
在这里插入图片描述
多头其实就是多组 矩阵对,每一组QKV都可以看作某种信息的抽取
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
如上,句子中词的绝对位置编码可能并不能完全反应位置信息,所以采用了相对位置编码
在这里插入图片描述
以上相对位置编码保证了比较好的相对位置的关系,可以作进一步了解
在这里插入图片描述
残差连接和 layernorm
在这里插入图片描述
在这里插入图片描述
解码时,decoder不能利用未知信息,所以引入mask矩阵,遮掩后面词的信息
在这里插入图片描述

Logo

技术共进,成长同行——讯飞AI开发者社区

更多推荐