胡乱写的！！！！！！

目录

一、初探Encoder-Decoder

1.Encoder

2.回到transformer的图

二、Decoder – Autoregressive (AT)

1、Decoder内部结构

1）带Masked的MHA

三、Decoder – Non-autoregressive (NAT)

四、Encoder-Decoder

五、Training

六、训练的Tips

---

一、初探Encoder-Decoder

一般的seq2seq’s model分成2块——Encoder和Decoder

 

 input一个sequence有Encoder，负责处理这个sequence，再把处理好的结果丢给Decoder

 由Decoder决定，它要输出什么样的sequence

1.Encoder

 

 

 

 

 

注意：
batch normalization是对不同example，不同feature的同一个dimension，去计算mean跟standard deviation。
但layer normalization，它是对同一个feature，同一个example里面不同的dimension去计算mean跟standard deviation。
 

 

2.回到transformer的图

首先 你有self-attention，其实在input的地方，还有加上positional encoding（如果你只光用self-attention,你没有位置的资讯）

Multi-Head Attention,这个就是self-attention的block，用到多头注意力机制

Add&norm,就是residual加layer normalization

接下来,要过feed forward network

fc的feed forward network以后再做一次Add&norm,再做一次residual加layer norm，才是一个block的输出,

然后这个block会重复n次，这个复杂的block，其实在之后会讲到的一个非常重要的模型BERT，它其实就是transformer的encoder

二、Decoder – Autoregressive (AT)

 

 

 

 

 

1、Decoder内部结构

 

1）带Masked的MHA

 

 

 

 

 

 

 

三、Decoder – Non-autoregressive (NAT)

 

 

 

四、Encoder-Decoder

 

 

 

 

五、Training

 

六、训练的Tips

 

 

 

 

标签：Transformer,sequence,attention,Encoder,block,Decoder,norm
来源： https://blog.csdn.net/qq_61094172/article/details/121461577