Transformer基础结构

🎯 概述
Transformer是一种基于注意力机制的神经网络架构，由Vaswani等人在2017年提出，彻底改变了自然语言处理领域。
🏗️ 核心组件
1️⃣ 编码器-解码器架构
● 编码器：将输入序列转换为隐藏表示
● 解码器：基于编码器输出生成目标序列
2️⃣ 关键创新
● 自注意力机制：并行处理序列，捕获长距离依赖
● 位置编码：为模型提供序列位置信息
● 残差连接：缓解深层网络训练问题
● 层归一化：稳定训练过程
📋 架构详解
编码器结构
每个编码器层包含：

1. 多头自注意力：计算输入序列内部关系
2. 前馈神经网络：非线性变换
3. 残差连接和层归一化
   解码器结构
   每个解码器层包含：
4. 掩码多头自注意力：防止信息泄露
5. 编码器-解码器注意力：关注输入序列
6. 前馈神经网络
7. 残差连接和层归一化
   🔍 数学原理
   缩放点积注意力
   $\text{Attention}(Q,K,V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V$
   多头注意力
   $\text{MultiHead}(Q,K,V) = \text{Concat}(\text{head}_1,...,\text{head}_h)W^O$
   其中 $\text{head}_i = \text{Attention}(QW_i^Q, KW_i^K, VW_i^V)$
   🚀 代码示例
   import torch
   import torch.nn as nn

class TransformerBlock(nn.Module):
def init(self, d_model, n_heads, d_ff, dropout=0.1):
super().init()
self.attention = nn.MultiheadAttention(d_model, n_heads)
self.feed_forward = nn.Sequential(
nn.Linear(d_model, d_ff),
nn.ReLU(),
nn.Linear(d_ff, d_model)
)
self.norm1 = nn.LayerNorm(d_model)
self.norm2 = nn.LayerNorm(d_model)
self.dropout = nn.Dropout(dropout)

def forward(self, x, mask=None):
    # 自注意力 + 残差连接
    attn_output, _ = self.attention(x, x, x, attn_mask=mask)
    x = self.norm1(x + self.dropout(attn_output))

    # 前馈网络 + 残差连接
    ff_output = self.feed_forward(x)
    x = self.norm2(x + self.dropout(ff_output))

    return x

📚 深入阅读
● 原始论文：Attention Is All You Need
● 分词器详解
● 注意力机制详解
🎯 面试重点

1. 为什么使用多头注意力？
2. 位置编码的作用是什么？
3. 残差连接和层归一化的作用？
4. Transformer相比RNN的优势？