前言

Transformer模型出自论文：《Attention is All You Need》 2017年

近年来，在自然语言处理领域和图像处理领域，Transformer模型都受到了极为广泛的关注，很多模型中都用到了Transformer或者是Transformer模型的变体，而且对于很多任务，使用加了Transformer的模型可以获得更好的效果，这也证明了Transformer模型的有效性。

由于Transformer模型内容较多，想要深入理解该模型并不容易，所以我分了大概3~4篇博客来介绍Transformer模型，第一篇（也就是本篇博客）主要介绍Transformer模型的整体架构，对模型有一个初步的认识和了解；第二篇是看了b站李宏毅老师的Transformer模型讲解之后，做的知识总结（内容比较多，可能会分成两篇博客）；第三篇从代码的角度来理解Transformer模型。

目前我只完成了前两篇论文，地址如下，之后完成第三篇会进行更新。

第一篇：【Transformer】深入理解Transformer模型1——初步认识了解-CSDN博客

第二篇：【Transformer】深入理解Transformer模型2——深入认识理解（上）-CSDN博客

第三篇：【Transformer】深入理解Transformer模型2——深入认识理解（下）-CSDN博客

第四篇：

---

深入认识理解（上）

自注意力机制(self-attention)：可以用于transformer、BERT等

        对于输入的向量集合，其输出考虑了一整个sequence的信息，输出的label个数等于输入的向量个数。

        self-attention可以和fully connected交替使用，即：self-attention可以处理整个sequence的资讯，fully connected专注于处理某一个位置的资讯。

由a产生b1的过程：

（1）根据a1，找到序列a中与a1相关的向量。要做self-attention的目的就是要考虑整个sequence，但我们又不希望把整个sequence所有的资讯包含在一个windows里面。所以我们有一个很重要的机制：找出很长的sequence里面到底哪些部分是重要的，哪些部分与判断a1是哪个label是有关系的。两个向量之间的关联度用ɑ来表示。

（2）根据注意力得分ɑ’抽取出sequence里面重要的子句。

self-attention的整体操作如下图所示：

多头自注意力机制(Multi-head self-attention)：翻译任务、语音识别任务等使用较多的head会取得较好的效果。

理解：不同的q代表不同种类的相关性，所以需要使用多个q来表示多个不同种类的相关性。

！！！注意：self-attention中是没有位置信息的，所以如果对所要完成的任务而言，位置信息很重要，那就要把位置信息塞进去，通过positional encoding的方法。

位置编码(positional encoding)：

原理：为每一个位置设置一个位置向量(positional vector)ei，其中i表示位置，然后把ei加到ai上即可，这样就结束了。这样就可以把位置信息告知self-attention。

self-attention VS CNN   论文On the Relationship between Self-Attention and Concolutional Layers(https://arxiv.org/abs/1911.03584)中有严格的数学推到证明。

CNN是self-attention的特例，只要设定合适的参数，self-attention可以做到和CNN一样的效果。

CNN只考虑receptive field中的资讯，而self-attention考虑整张图片的资讯。self-attention中的receptive field就好像是机器自己学出来的，而CNN中的receptive field是人为设定的。

self-attention VS RNN

---

以上就是本篇博客的内容了，李宏毅老师视频的干货不少，分两篇博客写吧还是~

另外提一下我最近发现的一个wps word的优点：在视频截图右边的空白部分，画一个文本框，在里面写对应图片的笔记标注，还挺好用的，清晰，而且方便对应图看笔记，不用再上下翻了~hh