目录
整个架构和Transformer是差不多的，但是Encoder层有堆叠，对Encoder进行分析发现，他整个部分的结构大体分为
0.对整体的架构进行分析
整个架构和Transformer是差不多的，但是Encoder层有堆叠，对Encoder进行分析发现，他整个部分的结构大体分为
（1）白色的部分，稀疏注意力的计算。
（2）蓝色的卷积层，进行信息的提取。
对Encoder部分进行展开如下图。
1.整个Informer的部分的代码如下主要由三个部分组成
（1）红色部分是词编码
（2）绿色部分是Encoder
（3）蓝色部分是Decoder
2.对于encoder
红色部分的代码时EncoderLayer层，也就是主要的attention的计算层。
绿色部分是卷积层，主要是进行信息的提取和维度的变短。
查看Encoder包括的attn_layer的信息，发现attn_layer就是一个EncoderLayer，而一个EncoderLayer还包括一个注意力的计算和两个卷积层，以及两个标准化层和dropout层，两个卷积是512 - 2048 - 512 所以一个EncoderLayer层对于向量来说维度是不变的，在接下来也会有体现。但是Encoder还包括一个额外的卷积层也就是上图的绿色的部分，经过绿色的卷积层维度会变化 ，在接下来的代码中也会有体现。
一个Encoder包括两个EncoderLayer和一个卷积层，这个卷积层的数量是比EncoderLayer层的数量少一个的。
这时候传入的x的维度是（32，96，512），来计算attention。
进入atten.py来进行详细的计算
到达红色部分的时候query和keys以及values的尺度都是由
（32，96，512）-》（32，96，8，64）规范的格式是（32，96，H，d model / H）也就进行了分多头
这里传入的queries，keys以及values都是（32，96，8，64）的维度的。而经过transpose过后的都是（32，8，96，64）维度的。因为这里传入的都是encoder的输入，所以queries和keys都是一样的，所以L_Q和L_K也都是一样的，都是96的长度。U_part是对L_K进行log得到的是25，u是对L_Q进行log，得到的也是25。
接下来进行到了红色的这部分也就是前期的log以及queries和keys的准备工作都完成了，下面开始进行prob_QK的计算。传入的数据：
scores_top, index = self._prob_QK(queries, keys, sample_k=U_part, n_top=u)，queries和keys都是原始的queries和keys，而sample_K是抽样出来为了计算n_top的K，sample_K是为了n_top来服务的。
接下来进入prob_QK的计算工作，前面都是在为了prob_QK的计算做参数的准备。
这里传入的Q，K的维度都是（32，8，96，64）
(1) K_expand = K.unsqueeze(-3).expand(B, H, L_Q, L_K, E) 这一步得到K_expand，是（32，8，96，96，64）的维度的
(2) index_sample = torch.randint(L_K, (L_Q, sample_k)) 这一步得到的index_sample的维度是（96，25）的维度
(3) K_sample = K_expand[:, :, torch.arange(L_Q).unsqueeze(1), index_sample, :],这里不知道用的什么原理，传入的index_sample是一个随机的数组，但是将这个index_sample传入了这个K_expand的第三个维度，将一个二维的传入了第三个维度，使用jupter发现，只是利用了这个的维度来进行sample，并没有说利用里面的数据来对K_expand进行产生实质的影响。
这里出来的K_sample的维度是（32，8，96，25，64）
(4) Q_K_sample = torch.matmul(Q.unsqueeze(-2), K_sample.transpose(-2, -1)).squeeze(-2)在这里，Q.unsqueeze(-2) 使得Q由（32，8，96，64）=（32，8，96，1，64）K_sample.transpose(-2, -1)，使得K_sample由（32，8，96，25，64）变成了（32，8，96，64，25）进行matmul之后变成了（32，8，96，1，25），然后squeeze(-2)后变成了（32，8，96，25）所以最后乘出来的Q_K_sample就变成了（32，8，96，25）而如果利用原始的Q和K进行相乘应该是（32，8，96，64）的，所以还需要进行下一步的处理。
(5) M = Q_K_sample.max(-1)[0] - torch.div(Q_K_sample.sum(-1), L_K)
M_top = M.topk(n_top, sorted=False)[1]
Q_reduce = Q[torch.arange(B)[:, None, None],
torch.arange(H)[None, :, None],
M_top,
:]经过这步之后， * torch.div()方法将输入的每个元素除以一个常量，然后返回一个新的修改过的张量
* M_top = 32 * 8 *25 topK是得到前k个以及其索引然后得到reduce后的Q，也就是Q_reduce(6) Q_K = torch.matmul(Q_reduce, K.transpose(-2, -1)) 得到乘出来的稀疏的Q_K，这个Q_K是（32，8，25，96）维度的。
（3）对应的图如下，发现，只是利用了他的维度？？并没有对a里面的数据产生影响
接下来进入到绿色的部分，传入的是values和L_Q，也就是原始的编码和96这个长度。
cumsum的用法如下：
这里context_in, V, scores, index, L_Q, attn_mask的维度，分别是：
context_in：（32，8，96，64）
V：（32，8，96，64）
scores：（32，8，25，96）
index：（32，8，25）
L_Q：{int} 96
attn_mask:None
（1）attn = torch.softmax(scores, dim=-1)，这一步是对之前的scores进行softmax，经过softmax的矩阵的维度还是（32，8，25，96）
（2）context_in[torch.arange(B)[:, None, None],
torch.arange(H)[None, :, None],
index, :] = torch.matmul(attn, V).type_as(context_in)
*（tensor1.type_as(tensor2)将1的数据类型转换为2的数据类型,这里的输出的context_in的 维度是（32，8，96，64）。
到了这里，这个
out = out.transpose(2,1).contiguous()，out的维度是（32，8，96，64），再下一步。out = out.view(B, L, -1)，到了这里，这个out的维度就是（32，96，512）的维度的了。
再接下来就出到了EncoderLayer层的这个红色部分，
（1）x = x + self.dropout(new_x) 这个nex_x是做过稀疏矩阵相乘的attention，而x是原来的词编码，所以这一步类似于残差神经网络？
（2）这一步将x进行标准化得到（标准化的x）和y，然后对y进行卷积，激活和卷积，再将（标准化的x）和（卷积后的y-》激活的y-》卷积的y）和（标准化的x）进行相加得到（x+y）然后再将（x+y）进行标准化后进行输出。 y = x = self.norm1(x) #y (32,96,512) y = self.dropout(self.activation(self.conv1(y.transpose(-1,1)))) #(32,2048,96) y = self.dropout(self.conv2(y).transpose(-1,1)) #(32,96,512) return self.norm2(x+y), attn
3.Conv_layer部分
接下来又进入到了Encoder层，到了conv_layer的部分，
到了这一层的ConvLayer层，输入的x的维度是（32，96，512）经过卷积后的x输出的维度是（32，48，512），所以经过这一层卷积是将x的维度变短了一半。
经过Encoder这一个class的return的x的维度是（32，48，512）
然后就到了Informer层的部分，红色部分是执行过的东西。这里enc_out的输出的维度是（32，48，512）。对比之前的词向量的输入，（32，96，512）在第二个维度上减少了一半。
总结一下，即经过稀疏注意力层（32，96，512）->（32，96，512）而经过卷积层则变成了（32，48，512）。
这里是重要的参数，记录一下为下面的部分做准备。
2470
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
