怎么给网站wordpress,专业的vi设计公司,如何注册域名邮箱,vps网站权限1 Decoder端的输入解析
1.1 Decoder端的架构
Transformer原始论文中的Decoder模块是由N6个相同的Decoder Block堆叠而成#xff0c;其中每一个Block是由3个子模块构成#xff0c;分别是多头self-attention模块#xff0c;Encoder-Decoder attention模块#xff0c;前馈全…1 Decoder端的输入解析
1.1 Decoder端的架构
Transformer原始论文中的Decoder模块是由N6个相同的Decoder Block堆叠而成其中每一个Block是由3个子模块构成分别是多头self-attention模块Encoder-Decoder attention模块前馈全连接层模块。
6个Block的输入不完全相同: 最下面的一层Block接收的输入是经历了MASK之后的Decoder端的输入 Encoder端的输出.其他5层Block接收的输入模式一致, 都是前一层Block的输出 Encoder端的输出.
1.2 Decoder在训练阶段的输入解析
从第二层Block到第六层Block的输入模式一致, 无需特殊处理, 都是固定操作的循环处理.聚焦在第一层的Block上: 训练阶段每一个time step的输入是上一个time step的输入加上真实标签序列向后移一位. 具体来说, 假设现在的真实标签序列等于How are you?, 当time step1时, 输入张量为一个特殊的token, 比如SOS; 当time step2时, 输入张量为SOS How; 当time step3时, 输入张量为SOS How are, 以此类推...注意: 在真实的代码实现中, 训练阶段不会这样动态输入, 而是一次性的把目标序列全部输入给第一层的Block, 然后通过多头self-attention中的MASK机制对序列进行同样的遮掩即可.
1.3 Decoder在预测阶段的输入解析
同理于训练阶段, 预测时从第二层Block到第六层Block的输入模式一致, 无需特殊处理, 都是固定操作的循环处理.聚焦在第一层的Block上: 因为每一步的输入都会有Encoder的输出张量, 因此这里不做特殊讨论, 只专注于纯粹从Decoder端接收的输入. 预测阶段每一个time step的输入是从time step0, input_tensorSOS开始, 一直到上一个time step的预测输出的累计拼接张量. 具体来说: 当time step1时, 输入的input_tensorSOS, 预测出来的输出值是output_tensorWhat;当time step2时, 输入的input_tensorSOS What, 预测出来的输出值是output_tensoris;当time step3时, 输入的input_tensorSOS What is, 预测出来的输出值是output_tensorthe;当time step4时, 输入的input_tensorSOS What is the, 预测出来的输出值是output_tensormatter;当time step5时, 输入的input_tensorSOS What is the matter, 预测出来的输出值是output_tensor?;当time step6时, 输入的input_tensorSOS What is the matter ?, 预测出来的输出值是output_tensorEOS, 代表句子的结束符, 说明解码结束, 预测结束.
2 小结 在Transformer结构中的Decoder模块的输入, 区分于不同的Block, 最底层的Block输入有其特殊的地方. 第二层到第六层的输入一致, 都是上一层的输出和Encoder的输出. 最底层的Block在训练阶段, 每一个time step的输入是上一个time step的输入加上真实标签序列向后移一位. 具体来看, 就是每一个time step的输入序列会越来越长, 不断的将之前的输入融合进来. 最底层的Block在训练阶段, 真实的代码实现中, 采用的是MASK机制来模拟输入序列不断添加的过程. 最底层的Block在预测阶段, 每一个time step的输入是从time step0开始, 一直到上一个time step的预测值的累积拼接张量. 具体来看, 也是随着每一个time step的输入序列会越来越长. 相比于训练阶段最大的不同是这里不断拼接进来的token是每一个time step的预测值, 而不是训练阶段每一个time step取得的groud truth值.
