对NLP中transformer里面decoder的理解

刚接触NLP这块，有两个关于transformer的问题：

1）为什么要有decoder？如果encoder后面直接接全连接不可以吗？

2）为什么decoder要有mask？为什么要按时间步一个字一个字翻译？这样的话，是不是英语从句翻译成汉语就不可行，比如 He is a person who wears a red t-shirt. -> 他是一个穿红色t恤的人。

想了下应该是下面的原因：

1）decoder相当于有两个输入，一个是encoder编码的全局语义信息（使得decoder能够看到完整的上下文信息），一个是模型的前期翻译结果（这个信息对最终的翻译结果也很重要），根据这两个输入决定下一个输出。

2）根据这个逻辑，每一个输出依赖前面的结果，那么必须mask掉后面的内容，因为这时后面的内容还没有生成。decoder的输入是模型的前期翻译结果，也就是拿模型的前期翻译结果做一个Q去和encoder编码的全局语义信息生成的K、V做attention，相当于去找现有结果在全局语义信息里面的相关性，根据这个相关性去决定下一个翻译结果（比如翻译到“他是一个”的时候，去encoder给的信息里面算attention，发现接下来需要翻译的词跟“wears a red t-shirt”相关性很强，那么就给出翻译“穿红色T恤”，接下来才是翻译“person”，也就是“的人”）。正是因为有从句这种需要跳跃翻译的问题，才需要attention算全局相关性，要不然直接查表就完事了。

3）mask也保证了模型在训练的时候可以并行计算，因为训练的时候我们知道label，也就是完整的翻译结果，那么为了并行计算需要把label后面的信息掩盖，因为每次计算需要用到前面的label信息而不能输入label后面的信息。但在测试的时候，是串行输出的，每个位置的翻译结果只依赖前面的翻译结果，mask不重要。