二，采用attention和self-attention搭建深度神经网络

1. multi-head self-attention

此时输出1个序列c1,c2,…cm.此时为single-head

L个单头注意力网络组成，每个单头注意力网络由三个参数。

每个单头自注意 不会共享参数。共3l个参数。

1. multi-head attention

1. 搭建深度神经网络的encoder

采用multi-head self-attention + fc 搭建encoder。

注意：此处fc会共享参数。

512*m：

M为输入序列的长度；512为输入x的维度。

由于block的输入和输出的维度相同，可以采用skip connection

每个block有两层。每个block之间不会共享参数。输入和输出的维度是一样的。

1. 搭建深度神经网络的decoder网络

注意此处：x’,c,u,z均为512维向量。

1. 最终的transformer模型

1. Transformer与rnn的对比

因此，tranformer与rnn相似，因此以前怎么用rnn，现在就怎么用transformer模型。

1. 总结