【全网首发】Transformer模型详解（图解史上最完整版）

在本文中，我们将试图把模型简化一点，并逐一介绍里面的核心概念，方便大家的理解。

1.Transformer 整体结构
 

    首先介绍 Transformer 的整体结构，下图是 Transformer 用于中英文翻译的整体结构：

Transformer 的整体结构：

     可以看到 Transformer 由 Encoder 和 Decoder 两个部分组成，Encoder 和 Decoder 都包含 6 个 block。Transformer 的工作流程大体如下：
 

      第一步：获取输入句子的每一个单词的表示向量 X，X由单词的 Embedding（Embedding就是从原始数据提取出来的Feature） 和单词位置的 Embedding 相加得到。

     第二步：将得到的单词表示向量矩阵 (如上图所示，每一行是一个单词的表示 x) 传入 Encoder 中，经过 6 个 Encoder block 后可以得到句子所有单词的编码信息矩阵 C，如下图。单词向量矩阵用 Xn×dX_{n\times d} 表示， n 是句子中单词个数，d 是表示向量的维度 (论文中 d=512)。每一个 Encoder block 输出的矩阵维度与输入完全一致。
 

分享一份Transformer实战教程，计算机视觉论文合集，里面的内容相当丰富，我认为，值得大家好好学一学。这套PDF包含Transformer前沿经典论文5000篇以及实战落地、60分钟快速入门，不管你是刚入门的小白还是AI工程师我都建议大家学习起来。

下面是部分截图，点击文末名片关注公众号【迪哥谈AI】发送暗号 888 领取（一定要发暗号 888）