当前位置：首页 > news >正文

数解 transformer 之 self attention transformer 公式整理

news 2025/8/29 11:51:01

句子长度为n；比如2048，或1024，即，一句话最多可以是1024个单词。

1, 位置编码

$E=[e_1 e_2 \cdots e_{n}]\\ e_{pos}(2i) = PE(pos, 2i) = sin(pos/10000^{2i/n})\\ e_{pos}(2i+1) =PE(pos,2i+1)=cos(pos/10000^{(2i+1)/n})\\ where\,\, pos \in \{1,2,\cdots,n\}$

可知，E是由n个列向量组成的矩阵，每个列向量表示该列号的位置编码向量。

2, 输入向量

加入本句话第一个单词的词嵌入向量是 $x_1$ , 第二个单词是 $x_2$ , 以此类推，最多是 $x_n$ .

如果句子长度不足 n个单词，则后面没有单词对应的 $x_i = \mathbf{0}$

令 $X=(x_1\,x_2\,\cdots\,x_n)$ 为句子的词嵌入编码矩阵表示，为了让单词携带位置信息，直接将每个单词的词嵌入向量上加位置编码向量：

$x_i = x_i + e_i$

矩阵表示为：

$X=X+E$

$X=(x_1+e_1 \,\,x_2+e_2\,\,\cdots\,\,x_n+e_n)$

作为第一层 self-attention 模块的输入向量。

3, 完整的一层编码器计算过程

$X=(x_1\,\,x_2\,\, \cdots\,\,x_n)$

$[q_1\,q_2\cdots\,q_n] = Q = W_qX=W_q[x_1\,\,x_2\,\,\cdots\,\,x_n]$

$[k_1\,k_2\,\cdots\,k_n]=K=W_kX=W_k[x_1\,\,x_2\,\,\cdots\,\,x_n]$

$[v_1\,v_2\,\cdots\,v_n]=V=W_vX=W_v[x_1\,\,x_2\,\,\cdots\,\,x_n]$

$\left[ \begin{array}{cccc} a_{1,1} & a_{2,1} & \cdots &a_{n,1}\\ a_{1,2} & a_{2,2} & \cdots &a_{n,2}\\ \vdots & \vdots & \ddots & \vdots\\ a_{1,n} & a_{2,n} & \cdots &a_{n,n}\\ \end{array} \right] = A =K^TQ= \left[ \begin{array}{c} k_1^T\\ k_2^T\\ \vdots\\ k_n^T\\ \end{array} \right] [q_1\,q_2\, \cdots \,q_n]$

$\left[ \begin{array}{cccc} a_{1,1}^{'} & a_{2,1}^{'} & \cdots &a_{n,1}^{'}\\ a_{1,2}^{'} & a_{2,2}^{'} & \cdots &a_{n,2}^{'}\\ \vdots & \vdots & \ddots & \vdots\\ a_{1,n}^{'} & a_{2,n}^{'} & \cdots &a_{n,n}^{'}\\ \end{array} \right] = A^{'} = \mathbf{softmax}_{column}(\mathbf{A}) = \mathbf{softmax}_{column} ( \left[ \begin{array}{cccc} a_{1,1} & a_{2,1} & \cdots &a_{n,1}\\ a_{1,2} & a_{2,2} & \cdots &a_{n,2}\\ \vdots & \vdots & \ddots & \vdots\\ a_{1,n} & a_{2,n} & \cdots &a_{n,n}\\ \end{array} \right] )$

$Y=\mathbf{V}\mathbf{A}^{'}=[v_1\,v_2\,\cdots\,v_n]\mathbf{A}^{'}$

$\mathbf{Y}=\mathbf{Y}+\mathbf{X}$

$\mathbf{Y}=normalized(\mathbf{Y})$

$\mathbf{Z} =[\mathbf{Y_1Y_2 \cdots Y_8}]$

上面是把8个multihead的输出拼接起来了。

然后经过本层的这个个feed forward neuron network：

$\mathbf{Z}=\mathbf{FFNN}(\mathbf{Z})$

$\mathbf{Y} = \mathbf{Y}+\mathbf{X}$

然后将 $\mathbf{Y}$ 送入下一层编码器，进行相同的计算过程，只是其中的 $\mathbf{W_q, W_k, W_v, FFN}$ 的权重不同而已。

4, 更多参考资料

The Illustrated Transformer – Jay Alammar – Visualizing machine learning one concept at a time.

图解Transformer（完整版）！翻译

自然语言处理Transformer模型最详细讲解（图解版）-CSDN博客

未完待续 ... ...

数解 transformer 之 self attention transformer 公式整理

1, 位置编码

2, 输入向量

3, 完整的一层编码器计算过程

4, 更多参考资料

相关文章：

数解 transformer 之 self attention transformer 公式整理

ubuntu22.04@laptop OpenCV Get Started

【Java】苍穹外卖 Day01

Ivanti Pulse Connect Secure VPN SSRF(CVE-2023-46805)漏洞

GPT-4：比ChatGPT3.5好得多，但它有多好你知道么？

测试：JMeter如何获取非json格式的响应参数

2024年刘谦魔术大揭秘，其中竟用到了约瑟夫环？

openssl3.2 - update debian12‘s default openssl to openssl3.2

VUE2和VUE3区别对比一览

Linux - updatedb 命令

云计算市场分析

前端JavaScript篇之call() 和 apply() 的区别？

Java设计模式大全：23种常见的设计模式详解（三）

汇编语言程序设计（二）十六位汇编框架、子程序与堆栈

K8S之标签的介绍和使用

网络请求库axios

程序设计语言的组成

论文精读的markdown模板——以及用obsidian阅读网页资料做笔记

LCP 30. 魔塔游戏

RCE（命令执行）知识点总结最详细

[特殊字符] 智能合约中的数据是如何在区块链中保持一致的？

网络六边形受到攻击

Golang 面试经典题：map 的 key 可以是什么类型？哪些不可以？

mongodb源码分析session执行handleRequest命令find过程

服务器硬防的应用场景都有哪些？

Cinnamon修改面板小工具图标

Linux云原生安全：零信任架构与机密计算

uniapp微信小程序视频实时流+pc端预览方案

大模型多显卡多服务器并行计算方法与实践指南

NFT模式：数字资产确权与链游经济系统构建