Transformer模型结构解析与Python代码实现

本文首发于公众号【DeepDriving】，欢迎关注。

0. 前言

2017年，谷歌研究人员在《Attention Is All You Need》这篇论文中提出了Transformer模型，该模型最初是被用于机器翻译任务中。由于其良好的可并行性和强大的特征提取能力，Transformer模型在随后的几年中被用到自然语言处理、语音识别、计算机视觉等各个领域中，并表现出优异的性能。

本文基于论文的内容解读Transformer模型的各个组成部分，然后用Python实现一个完整的Transformer模型。

1. Transformer模型结构解析

1.1 模型总体架构

Transformer的总体架构如下图所示，模型包含一个编码器和解码器（分别对应下图中的左侧和右侧部分），编码器和解码器都是由一系列堆叠的注意力结构和全连接层组成。