从 Transfomer 架构图可以看到，其实在 Encoder 之前还有一个模块，即位置编码模块。不免有同学好奇，为什么需要在 Encoder 输入之前要进行位置的编码呢？其实这也不难理解，通过上面的学习，我们可以发现在做自注意力机制时，它是跟每一个输入的词向量进行内积，在这个过程中，并没有考虑到词向量的顺序，所以这最后得到的结果一定是缺失原来文本的顺序信息的。
Transformer 内部结构
位置信心的 Embedding 通常有两种方式获得，一种是通过训练得到，另一种是直接使用公式，而 Transformer 中的位置信息则是采用了后者 —— 公式获得。计算公式如下：
展开剩余47%针对上面的公式，进行解释一下：pos 代表单词的位置，2i 和 2i+1 则分别代表偶数位置和奇数位置，d 则代表向量维度（和前面单词的 embedding 维度相同），使用该公式有以下几个好处：
使用公式法能够适应比训练集里所有句子更长的句子场景，这么说可能有点绕，举一个例子，假设我们训练的时候，训练集里最长的句子只有 100 个单词，但是现实中我们在推理的时候，可能会存在 101 个单词的场景，这时候呢根据公式就可以计算出 101 单词的位置信息。
可以让模型更容易地计算出相对位置。举一个例子，假设 A 单词的位置是 pos， B 单词和 A 单词之间的位置距离为 L，那么 PE（pos+L） 则可以由 PE（pos） 计算得到。因为 Sin(A+B) = Sin(A)Cos(B) + Cos(A)Sin(B) , Cos(A+B) = Cos(A)Cos(B) - Sin(A)Sin(B)
根据公式得到位置信息后，将单词的 Embedding 信息和位置 Embedding 相加，就可以得到带有位置信息和单词特征信息的向量，而这个向量也正是 Encoder 的输入。
发布于：湖南省胜亿配资提示：文章来自网络，不代表本站观点。
