NLP基础（七）：Transformer模型和Self Attention自注意力机制

1.模型结构

Transformer模型分为左右两部分，和Seq2Seq模型的结构相似，由Encoder和Decoder构成。并且Encoder和Decoder由N=6个相同的layer组成，Nx表示这里是x6个。具体的模型结构如下图：

Transformer模型抽象化之后为下图，所有的编码器在结构上都是相同的，但它们没有共享参数。每个编码器都可以分解成自注意力（self-attention）和前馈（feed-forward）神经网络两个子层，解码器较编码器多了Encoder-Decoder Attention层。

编码器最终的输出键向量Key和值向量Value传输至解码器的每一层，Encoder-Decoder attention层自带Query矩阵。

2.Self Attention

计算自注意力的第一步就是从每个编码器的输入向量（每个单词的词向量）中生成三个向量。也就是说对于每个单词，我们分别创建一个64维的查询向量Query、键向量Key和值向量Value。这三个向量是通过词嵌入与三个权重矩阵后相乘创建的。

首先分别将$q_1$和 k 1 ， k 2 ， . . . ， k n k_1，k_2，...，k_n k1​，k2​，...，kn</