transformer原理及实现

本文深入探讨Transformer模型,重点介绍Encoder和Decoder的结构。Encoder由6个包含多头self-attention和前馈神经网络模块的大块堆叠组成,每个大块的输入不同。Decoder同样由6个大块构成,包含多头self-attention、Encoder-Decoder attention和前馈神经网络,其输入处理方式在训练和测试阶段有所不同。在实际应用中,Decoder的输入处理可通过mask策略实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

知乎专栏:10分钟带你深入理解Transformer原理及实现
transformer模型架构

关于encoder和decoder

Encoder总览
Encoder端由N(原论文中N=6)个相同的大模块堆叠而成,其中每个大模块又由两个子模块构成,这两个子模块分别为多头self-attention模块,以及一个前馈神经网络模块。

需要注意的是,Encoder端每个大模块接收的输入是不一样的,第一个大模块(最底下的那个)接收的输入是输入序列的embedding(embedding可以通过word2vec预训练得来),其余大模块接收的是其前一个大模块的输出,最后一个模块的输出作为整个Encoder端的输出。

Decoder总览
Decoder端同样由N(原论文中N=6)个相同的大模块堆叠而成,其中每个大模块则由三个子模块构成,这三个子模块分别为多头self-attention模块,多头Encoder-Decoder attention交互模块,以及一个前馈神经网络模块。

同样需要注意的是,Decoder端每个大模块接收的输入也是不一样的,其中第一个大模块(

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值