更
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
前言
NLP中Transformer理解
提示:以下是本篇文章正文内容,下面案例可供参考
一、Transformer
1. 是什么
更准确地讲,Transformer由且仅由self-Attenion和Feed Forward Neural Network组成。一个基于Transformer的可训练的神经网络可以通过堆叠Transformer的形式进行搭建,作者的实验是通过搭建编码器和解码器各6层,总共12层的Encoder-Decoder,并在机器翻译中取得了BLEU值得新高。Transformer是第一个完全依靠Self-attention而不使用序列对齐的RNN或卷积的方式来计算输入输出表示的转换模型。
2. 为什么
作者采用Attention机制的原因是考虑到RNN(或者LSTM,GRU等)的计算限制为是顺序的,也就是说RNN相关算法只能从左向右依次计算或者从右向左依次计算,这种机制带来了两个问题:
1.时间片t 的计算依赖t-1时刻的计算结果,这样限制了模型的并行能力;
2.顺序计算的过程中信息会丢失,尽管LSTM等门机制