Transformer硬件实现第一篇：算法结构拆解

本文借鉴引用1的知乎文章，进行了细节的补充，根据后期硬件实现需要做了重新介绍与排版，感谢知乎博主。阅读本文建议先阅读引用1的知乎文章。

Transformer硬件实现第一篇算法结构分析，作为数字电路领域的学生，后期会不断更新，最终利用Verilog语言设计一个Transformer加速器。

前言

Transformer是全连接层+Attention的结合体。任意单词之间的距离是1，解决了NLP的长期依赖问题。并行性好，应用不局限在nlp。

彻底摒弃了rnn和cnn，丧失了局步特征捕捉能力，三者结合带来更好结果。模型无法捕捉位置信息，Position Embedding只是权宜之计。

实现Transformer硬件加速器，首先需要理解算法的各个计算单元。

零、顶层结构

Transformer本质是一个Encoder和Decoder模型。Encoder和Decoder各包含6个block。对1个block，结构如下：

1.数据送入self-attention模块，得到加权的特征向量Z，即

 

 2.得到的结果Z送入二层前馈网络层，第一层为ReLU，第二层为全连接层。

一与二步骤完成Encoder的计算，现在将得到的结果送入Decoder。Decoder由Self-attention + Encoder-decoder attention + 前馈网络组成。

3.Self-attention：上下文的关系，即当前句子与之