如何理解Transformer论文中的positional encoding，和三角函数有什么关系？

大家好，我分享交流下这个问题。

Positional Encoding

掏出一张被无数人讲述的架构图。

在这里插入图片描述

Transformer 模型中的位置编码（Positional Encoding）是为了让模型能够考虑单词在句子中的位置。

由于 Transformer 的自注意力（Self-Attention）机制本身并不考虑单词的顺序，位置编码就成为了引入这种顺序信息的关键。

位置如图

位置编码（Positional Encoding）分别加到了输入嵌入（Input Embedding）和输出嵌入（Output Embedding）之后。

输入嵌入（Input Embedding）

输入序列，例如序列狗咬人 这些单词也叫Token（词符）。

Token 是文本序列中的最小单位，可以是单词、字符等形式。

tokens：[“狗”, " 咬人"]。Token 的词汇表中包含了所有可能情况，每个 token 预先被分配了唯一的数字 ID，称为 token ID。

最后是词嵌入（Word Embedding）。词嵌入的目标是把每个 token 转换为固定长度的向量表示

这些向量可以根据 token ID 在预训练好的词嵌入库（例如 Word2Vec 等）中拿到。

结合示例（“狗咬人描述”）

在这里插入图片描述

对于输入序列“狗咬人”，模型首先会获得每个单词“狗”和“咬人”的嵌入向量。

然后，模型会为序列中的每个位置生成一个位置编码向量。

最后，每个单词的嵌入向量会与其对应位置的位置编码向量相加，生成最终的向量，该向量同时包含了单词的语义信息和位置信息。

这样，即使是单词“狗”出现在不同的位置，其最终的向量表示也会因为位置编码的加入而有所不同，从而使得模型能够区分“狗咬人”和“人咬狗”。

三角函数

在这里插入图片描述

位置编码（Positional Encoding）不一定非要使用三角函数。虽然在原始的Transformer模型中，位置编码使用了正弦和余弦函数的固定模式，但这不是唯一的方法。

快速回顾三角函数

Transformer 模型中的位置编码（Positional Encoding）是为了让模型能够考虑单词在句子中的位置。由于 Transformer 的自注意力（Self-Attention）机制本身并不考虑单词的顺序，位置编码就成为了引入这种顺序信息的关键。

假设你有一个长度为L的输入序列，要计算第K个元素的位置编码。位置编码由不同频率的正弦和余弦函数给出：

在这里插入图片描述

• k：对象在输入序列中的位置，0<=k<L/2
• d: 输出嵌入空间的维度
• P(k,j): 位置函数，用于映射输入序列中k处的元素到位置矩阵的(k,j)处
• n：用户定义的标量，由 Attention Is All You Need 的作者设置为 10,000。
• i: 用于映射到列索引，0<=i<d/2，单个值i映射到正弦和余弦函数

你可以看到偶数位置对应正弦函数，奇数位置对应余弦函数。

在这里插入图片描述

如果有不清楚可以看下A Gentle Introduction to Positional Encoding in Transformer Models, Part 1 ，有代码和图表展示。

中文版本：http://www.bimant.com/blog/transformer-positional-encoding-illustration/

总结

后面有疑问咱们继续交流！

独立开源软件开发者，SolidUI作者，对于新技术非常感兴趣，专注AI和数据领域，如果对我的文章内容感兴趣，请帮忙关注点赞收藏，谢谢！