transformer架構(gòu)可能看起來很恐怖，您也可能在YouTube或博客中看到了各種解釋。但是，在我的博客中，我將通過提供一個全面的數(shù)學(xué)示例闡明它的原理。通過這樣做，我希望簡化對transformer架構(gòu)的理解。 那就開始吧！

Inputs and Positional Encoding

讓我們解決最初的部分，在那里我們將確定我們的輸入并計算它們的位置編碼。

Step 1 (Defining the data)

第一步是定義我們的數(shù)據(jù)集(語料庫)。

在我們的數(shù)據(jù)集中，有3個句子(對話) 取自《權(quán)力的游戲》電視劇。盡管這個數(shù)據(jù)集看起來很小，但它已經(jīng)足以幫助我們理解之后的數(shù)學(xué)公式。

Step 2 (Finding the Vocab Size)

為了確定詞匯量，我們需要確定數(shù)據(jù)集中的唯一單詞總數(shù)。這對于編碼(即將數(shù)據(jù)轉(zhuǎn)換為數(shù)字) 至關(guān)重要。 ? 其中N是所有單詞的列表，并且每個單詞都是單個token，我們將把我們的數(shù)據(jù)集分解為一個token列表，表示為N。

獲得token列表(表示為N) 后，我們可以應(yīng)用公式來計算詞匯量。 具體公式原理如下：

使用set操作有助于刪除重復(fù)項，然后我們可以計算唯一的單詞以確定詞匯量。因此，詞匯量為23，因為給定列表中有23個獨特的單詞。

Step 3 (Encoding and Embedding)

接下來為數(shù)據(jù)集的每個唯一單詞分配一個整數(shù)作為編號。

在對我們的整個數(shù)據(jù)集進行編碼之后，是時候選擇我們的輸入了。我們將從語料庫中選擇一個句子以開始: ? “When you play game of thrones”

作為輸入傳遞的每個字將被表示為一個編碼，并且每個對應(yīng)的整數(shù)值將有一個關(guān)聯(lián)的embedding聯(lián)系到它。

這些embedding可以使用谷歌Word2vec (單詞的矢量表示) 找到。在我們的數(shù)值示例中，我們將假設(shè)每個單詞的embedding向量填充有(0和1) 之間的隨機值。

此外，原始論文使用embedding向量的512維度，我們將考慮一個非常小的維度，即5作為數(shù)值示例。

現(xiàn)在，每個單詞embedding都由5維的embedding向量表示，并使用Excel函數(shù)RAND() 用隨機數(shù)填充值。

Step 4 (Positional Embedding)

讓我們考慮第一個單詞，即“when”，并為其計算位置embedding向量。位置embedding有兩個公式:

第一個單詞“when”的POS值將為零，因為它對應(yīng)于序列的起始索引。此外，i的值(取決于是偶數(shù)還是奇數(shù)) 決定了用于計算PE值的公式。維度值表示embedding向量的維度，在我們的情形下，它是5。

繼續(xù)計算位置embedding，我們將為下一個單詞“you” 分配pos值1，并繼續(xù)為序列中的每個后續(xù)單詞遞增pos值。

找到位置embedding后，我們可以將其與原始單詞embedding聯(lián)系起來。

我們得到的結(jié)果向量是e1+p1，e2+p2，e3+p3等諸如此類的embedding和。 ?

Transformer架構(gòu)的初始部分的輸出將在之后用作編碼器的輸入。 ?

編碼器

在編碼器中，我們執(zhí)行復(fù)雜的操作，涉及查詢（query），鍵（key）和值（value）的矩陣。這些操作對于轉(zhuǎn)換輸入數(shù)據(jù)和提取有意義的表示形式至關(guān)重要。

在多頭注意力（multi-head attention）機制內(nèi)部，單個注意層由幾個關(guān)鍵組件組成。這些組件包括:

請注意，黃色框代表單頭注意力機制。讓它成為多頭注意力機制的是多個黃色盒子的疊加。出于示例的考慮，我們將僅考慮一個單頭注意力機制，如上圖所示。

Step 1 (Performing Single Head Attention)

注意力層有三個輸入

Query

Key

Value

在上面提供的圖中，三個輸入矩陣(粉紅色矩陣) 表示從將位置embedding添加到單詞embedding矩陣的上一步獲得的轉(zhuǎn)置輸出。另一方面，線性權(quán)重矩陣(黃色，藍色和紅色) 表示注意力機制中使用的權(quán)重。這些矩陣的列可以具有任意數(shù)量的維數(shù)，但是行數(shù)必須與用于乘法的輸入矩陣中的列數(shù)相同。在我們的例子中，我們將假設(shè)線性矩陣(黃色，藍色和紅色) 包含隨機權(quán)重。這些權(quán)重通常是隨機初始化的，然后在訓(xùn)練過程中通過反向傳播和梯度下降等技術(shù)進行調(diào)整。所以讓我們計算(Query, Key and Value metrices):

一旦我們在注意力機制中有了query, key, 和value矩陣，我們就繼續(xù)進行額外的矩陣乘法。

現(xiàn)在，我們將結(jié)果矩陣與我們之前計算的值矩陣相乘:

如果我們有多個頭部注意力，每個注意力都會產(chǎn)生一個維度為(6x3) 的矩陣，那么下一步就是將這些矩陣級聯(lián)在一起。

在下一步中，我們將再次執(zhí)行類似于用于獲取query, key, 和value矩陣的過程的線性轉(zhuǎn)換。此線性變換應(yīng)用于從多個頭部注意獲得的級聯(lián)矩陣。

編輯：黃飛