Transformer
一、 RNN编码器-解码器架构
序列到序列模型（Seq2Seq） ： Seq2Seq模型的目标是将一个输入序列转换成另一个输出序列，这在多种应用中都具有广泛的实用价值，例如语言建模、机器翻译、对话生成等。
Seq2Seq
RNN编码器-解码器架构 ： Transformer出来之前，主流的序列转换模型都基于复杂的循环神经网络（RNN），包含编码器和解码器两部分。当时表现最好的模型还通过注意力机制将编码器和解码器连接起来。
Transformer vs RNN
在Seq2Seq框架中，RNN的作用主要体现在两个方面：编码和解码。
编码器： RNN接收输入序列，并逐个处理序列中的元素（如单词、字符或时间步），同时更新其内部状态以捕获序列中的依赖关系和上下文信息。这种内部状态，通常被称为“隐藏状态”，能够存储并传递关于输入序列的重要信息。
RNN编码器-解码器架构
解码器： RNN使用编码阶段生成的最终隐藏状态（或整个隐藏状态序列）作为初始条件，生成输出序列。在每一步中，解码器RNN都会根据当前状态、已生成的输出和可能的 下一个元素候选来预测下一个元素。
因此，循环神经网络（RNN）、特别是长短时记忆网络（LSTM）和门控循环单元网络（GRU），已经在序列建模和转换问题中牢固确立了其作为最先进方法的地位。
RNN LSTM GRU
同时，RNN存在一个显著的缺陷：处理长序列时，会存在信息丢失。
编码器在转化序列 x1, x2, x3, x4为单个向量 c时，信息会丢失。因为所有信息被压缩到这一个向量中，处理长序列时，信息必然会丢失。
RNN编码器-解码器架构
二、Transformer 总体架构
Transformer起源： Google Brain 翻译团队通过论文《Attention is all you need》 提出了一种全新的简单网络架构—— Transformer，它完全基于注意力机制，摒弃了循环和卷积操作。
注意力机制是全部所需
注意力机制： 一种允许模型在处理信息时专注于关键部分，忽略不相关信息，从而提高处理效率和准确性的机制。它模仿了人类视觉处理信息时选择性关注的特点。
注意力机制
当人类的视觉机制识别一个场景时，通常不会全面扫描整个场景，而是根据兴趣或需求集中关注特定的部分，如在这张图中，我们首先会注意到动物的脸部，正如注意力图所示，颜色更深的区域通常是我们最先注意到的部分，从而初步判断这可能是一只狼。
注意力机制
注意力计算Q、K、V： 注意力机制通过查询（Q）匹配键（K）计算注意力分数（向量点乘并调整），将分数转换为权重后加权值（V）矩阵，得到最终注意力向量。
注意力分数是量化注意力机制中信息被关注的程度，反映了信息在注意力机制中的重要性。
Q、K、V计算注意力分数
Transformer本质： Transformer是一种 基于 自注意力机制 的深度学习模型，为了解决 RNN无法处理长序列依赖问题 而设计的。
Transformer vs RNN
Transformer总体架构： Transformer也遵循编码器-解码器总体架构，使用堆叠的自注意力机制和逐位置的全连接层，分别用于编码器和解码器，如图中的左半部分和右半部分所示。
Transformer的架构
- Encoder编码器 ： Transformer的编码器由6个相同的层组成，每个层包括两个子层： 一个多头自注意力层和一个逐位置的前馈神经网络 。 在每个子层之后，都会使用残差连接和层归一化操作，这些操作统称为Add&Normalize。这样的结构帮助编码器捕获输入序列中所有位置的依赖关系。
Encoder（编码器）架构
- Decoder解码器 ： Transformer的解码器由6个相同的层组成，每层包含三个子层： 掩蔽自注意力层、Encoder-Decoder注意力层和逐位置的前馈神经网络。 每个子层后都有残差连接和层归一化操作，简称Add&Normalize。 这样的结构确保解码器在生成序列时，能够考虑到之前的输出，并避免未来信息的影响。
Decoder（解码器）架构
Transformer核心组件： Transformer模型包含输入嵌入、位置编码、多头注意力、残差连接和层归一化、带掩码的多头注意力以及前馈网络等组件。
Transformer的核心组件
***** 输入嵌入：将输入的文本转换为向量，便于模型处理。
- 位置编码：给输入向量添加位置信息，因为Transformer并行处理数据而不依赖顺序。
- 多头注意力：让模型同时关注输入序列的不同部分，捕获复杂的依赖关系。
- 残差连接与层归一化：通过添加跨层连接和标准化输出，帮助模型更好地训练，防止梯度问题。
- 带掩码的多头注意力：在生成文本时，确保模型只依赖已知的信息，而不是未来的内容。
- 前馈网络：对输入进行非线性变换，提取更高级别的特征。
Transformer的核心组件
Transformer数据流转： 可以概括为四个阶段，Embedding（嵌入）、Attention（注意力机制）、MLPs（多层感知机）和Unembedding（从模型表示到最终输出）。
Embedding -> Attention -> MLPs -> Unembedding****
Transformer注意力层： 在Transformer架构中，有3种不同的注意力层（Self Attention自注意力、Cross Attention 交叉注意力、Causal Attention因果注意力） *** 编码器中的自注意力层（Self Attention layer）： 编码器输入序列通过Multi-Head Self Attention（多头自注意力）计算注意力权重。
- 解码器中的交叉注意力层（Cross Attention layer）： 编码器-解码器两个序列通过Multi-Head Cross Attention（多头交叉注意力）进行注意力转移。
- 解码器中的因果自注意力层（Causal Attention layer）： 解码器的单个序列通过Multi-Head Causal Self Attention（多头因果自注意力）进行注意力计算
Transformer注意力层**