Transformer 基本原理

概述

在自然语言处理中，我们常用的主流框架会包括卷积神经网络，但是卷积神经网络有一个特点，就是连续。连续的意思可以理解为，我们的输入在转化成 state 的过程中，依赖前一个过程中的 state，这样每个值都和之前的数据相关联，那如果是距离较远的数据，计算就会变得复杂。Transformer 的出现很大程度上提高了 Sequence 的计算效率，使两者距离较远的数据也可以接收到操作，相当于 relate 这些操作到不同距离上。因为在处理自然语言过程中，我们会使用 Encoder-Decoder 的机制，所以 Sequence 是无法避免的，但 Transformer 很有效的规避了其局限性，对于程序员而言，可以理解成同步的数据变得可以并发执行，这样大大提升了运行效率，但 Transformer 还不止于此，在提升效率的基础上，benchmark 的值也提升了。

Encoder-Decoder

Transformer 本质上使用 Encoder-Decoder，但在 Encoder 和 Decoder 的两层连接变成全连接。全连接可以理解成，每一层的任意一个 neuron 都和另一层的任意一个 neuron 相连接。

Attention

Attention 方法接收三个参数，query，key和 value，key-value 是一对，可以理解成 tuple。这里我们这里使用大写的 Q 和 K 来表示并发执行后的 query，key 和 value。Attention 会先内积 Q 和 K，在 scale 一下其结果后，与 V 相乘，最后使用 softmax 转化成一个概率数。