Word2Vec

Word2Vec

Transformer

1.Self-Attetion

矩阵形式（每行表示一个单词）

2.Multiple Heads

结果拼接

整体计算过程

3.使用位置编码表示序列的顺序

位置编码和embedding相加作为输入

4.残差连接

5.decoder

 The output of the top encoder is then transformed into a set of attention vectors K and V. These are to be used by each decoder in its “encoder-decoder attention” layer which helps the decoder focus on appropriate places in the input sequence

decoder中self-attention只允许关注之前的位置，通过在softmax前设置为-inf，mask后面的位置。

“Encoder-Decoder Attention” 也是multihead，除了计算下面输入的Q，也会计算顶层encoder的K和V。

6.Linear和Softmax

7.loss function