成人性生交A片免费看游戏,嫩操影院,操日韩,亚洲欧美手机在线,午夜精品成人片免费,国产女人在线视频,一区二区三区四区精品久久,理论片麻豆

點擊下方卡片，關(guān)注“新機器視覺”公眾號

視覺/圖像重磅干貨，第一時間送達(dá)

來源｜知乎—Jason? 報道｜人工智能前沿講習(xí)

地址｜https://zhuanlan.zhihu.com/p/82312421

Transformer是一個利用注意力機制來提高模型訓(xùn)練速度的模型。關(guān)于注意力機制可以參看這篇文章(https://zhuanlan.zhihu.com/p/52119092)，trasnformer可以說是完全基于自注意力機制的一個深度學(xué)習(xí)模型，因為它適用于并行化計算，和它本身模型的復(fù)雜程度導(dǎo)致它在精度和性能上都要高于之前流行的RNN循環(huán)神經(jīng)網(wǎng)絡(luò)。

那什么是transformer呢？

你可以簡單理解為它是一個黑盒子，當(dāng)我們在做文本翻譯任務(wù)是，我輸入進(jìn)去一個中文，經(jīng)過這個黑盒子之后，輸出來翻譯過后的英文。

那么在這個黑盒子里面都有什么呢？

里面主要有兩部分組成：Encoder 和 Decoder

當(dāng)我輸入一個文本的時候，該文本數(shù)據(jù)會先經(jīng)過一個叫Encoders的模塊，對該文本進(jìn)行編碼，然后將編碼后的數(shù)據(jù)再傳入一個叫Decoders的模塊進(jìn)行解碼，解碼后就得到了翻譯后的文本，對應(yīng)的我們稱Encoders為編碼器，Decoders為解碼器。

那么編碼器和解碼器里邊又都是些什么呢？

細(xì)心的同學(xué)可能已經(jīng)發(fā)現(xiàn)了，上圖中的Decoders后邊加了個s，那就代表有多個編碼器了唄，沒錯，這個編碼模塊里邊，有很多小的編碼器，一般情況下，Encoders里邊有6個小編碼器，同樣的，Decoders里邊有6個小解碼器。

我們看到，在編碼部分，每一個的小編碼器的輸入是前一個小編碼器的輸出，而每一個小解碼器的輸入不光是它的前一個解碼器的輸出，還包括了整個編碼部分的輸出。

那么你可能又該問了，那每一個小編碼器里邊又是什么呢？

我們放大一個encoder，發(fā)現(xiàn)里邊的結(jié)構(gòu)是一個自注意力機制加上一個前饋神經(jīng)網(wǎng)絡(luò)。

我們先來看下self-attention是什么樣子的。

我們通過幾個步驟來解釋：

1、首先，self-attention的輸入就是詞向量，即整個模型的最初的輸入是詞向量的形式。那自注意力機制呢，顧名思義就是自己和自己計算一遍注意力，即對每一個輸入的詞向量，我們需要構(gòu)建self-attention的輸入。在這里，transformer首先將詞向量乘上三個矩陣，得到三個新的向量，之所以乘上三個矩陣參數(shù)而不是直接用原本的詞向量是因為這樣增加更多的參數(shù)，提高模型效果。對于輸入X1(機器)，乘上三個矩陣后分別得到Q1,K1,V1，同樣的，對于輸入X2(學(xué)習(xí))，也乘上三個不同的矩陣得到Q2,K2,V2。

2、那接下來就要計算注意力得分了，這個得分是通過計算Q與各個單詞的K向量的點積得到的。我們以X1為例，分別將Q1和K1、K2進(jìn)行點積運算，假設(shè)分別得到得分112和96。

3、將得分分別除以一個特定數(shù)值8（K向量的維度的平方根，通常K向量的維度是64）這能讓梯度更加穩(wěn)定，則得到結(jié)果如下：

4、將上述結(jié)果進(jìn)行softmax運算得到，softmax主要將分?jǐn)?shù)標(biāo)準(zhǔn)化，使他們都是正數(shù)并且加起來等于1。

5、將V向量乘上softmax的結(jié)果，這個思想主要是為了保持我們想要關(guān)注的單詞的值不變，而掩蓋掉那些不相關(guān)的單詞（例如將他們乘上很小的數(shù)字）

6、將帶權(quán)重的各個V向量加起來，至此，產(chǎn)生在這個位置上（第一個單詞）的self-attention層的輸出，其余位置的self-attention輸出也是同樣的計算方式。

將上述的過程總結(jié)為一個公式就可以用下圖表示：

self-attention層到這里就結(jié)束了嗎？

還沒有，論文為了進(jìn)一步細(xì)化自注意力機制層，增加了“多頭注意力機制”的概念，這從兩個方面提高了自注意力層的性能。

第一個方面，他擴展了模型關(guān)注不同位置的能力，這對翻譯一下句子特別有用，因為我們想知道“it”是指代的哪個單詞。

第二個方面，他給了自注意力層多個“表示子空間”。對于多頭自注意力機制，我們不止有一組Q/K/V權(quán)重矩陣，而是有多組（論文中使用8組），所以每個編碼器/解碼器使用8個“頭”（可以理解為8個互不干擾自的注意力機制運算），每一組的Q/K/V都不相同。然后，得到8個不同的權(quán)重矩陣Z，每個權(quán)重矩陣被用來將輸入向量投射到不同的表示子空間。

經(jīng)過多頭注意力機制后，就會得到多個權(quán)重矩陣Z，我們將多個Z進(jìn)行拼接就得到了self-attention層的輸出：

上述我們經(jīng)過了self-attention層，我們得到了self-attention的輸出，self-attention的輸出即是前饋神經(jīng)網(wǎng)絡(luò)層的輸入，然后前饋神經(jīng)網(wǎng)絡(luò)的輸入只需要一個矩陣就可以了，不需要八個矩陣，所以我們需要把這8個矩陣壓縮成一個，我們怎么做呢？只需要把這些矩陣拼接起來然后用一個額外的權(quán)重矩陣與之相乘即可。

最終的Z就作為前饋神經(jīng)網(wǎng)絡(luò)的輸入。

接下來就進(jìn)入了小編碼器里邊的前饋神經(jīng)網(wǎng)模塊了，關(guān)于前饋神經(jīng)網(wǎng)絡(luò)，網(wǎng)上已經(jīng)有很多資料，在這里就不做過多講解了，只需要知道，前饋神經(jīng)網(wǎng)絡(luò)的輸入是self-attention的輸出，即上圖的Z,是一個矩陣，矩陣的維度是（序列長度×D詞向量），之后前饋神經(jīng)網(wǎng)絡(luò)的輸出也是同樣的維度。

以上就是一個小編碼器的內(nèi)部構(gòu)造了，一個大的編碼部分就是將這個過程重復(fù)了6次，最終得到整個編碼部分的輸出。

然后再transformer中使用了6個encoder，為了解決梯度消失的問題，在Encoders和Decoder中都是用了殘差神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，即每一個前饋神經(jīng)網(wǎng)絡(luò)的輸入不光包含上述self-attention的輸出Z，還包含最原始的輸入。

上述說到的encoder是對輸入（機器學(xué)習(xí)）進(jìn)行編碼，使用的是自注意力機制+前饋神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，同樣的，在decoder中使用的也是同樣的結(jié)構(gòu)。也是首先對輸出（machine learning）計算自注意力得分，不同的地方在于，進(jìn)行過自注意力機制后，將self-attention的輸出再與Decoders模塊的輸出計算一遍注意力機制得分，之后，再進(jìn)入前饋神經(jīng)網(wǎng)絡(luò)模塊。

以上，就講完了Transformer編碼和解碼兩大模塊，那么我們回歸最初的問題，將“機器學(xué)習(xí)”翻譯成“machine learing”，解碼器輸出本來是一個浮點型的向量，怎么轉(zhuǎn)化成“machine learing”這兩個詞呢？

是個工作是最后的線性層接上一個softmax，其中線性層是一個簡單的全連接神經(jīng)網(wǎng)絡(luò)，它將解碼器產(chǎn)生的向量投影到一個更高維度的向量（logits）上，假設(shè)我們模型的詞匯表是10000個詞，那么logits就有10000個維度，每個維度對應(yīng)一個惟一的詞的得分。之后的softmax層將這些分?jǐn)?shù)轉(zhuǎn)換為概率。選擇概率最大的維度，并對應(yīng)地生成與之關(guān)聯(lián)的單詞作為此時間步的輸出就是最終的輸出啦！！

假設(shè)詞匯表維度是6，那么輸出最大概率詞匯的過程如下：