学完这个教程，小白也能构建Transformer，DeepMind科学家推荐

　　Pine 发自 凹非寺
　　量子位 | 公众号 QbitAI
　　真正零门槛！ 小白都能轻松看懂的Transformer教程来了。
　　在自然语言处理和计算机视觉领域，Transformer先后替代了RNN、CNN的地位成为首选模型，最近爆火的ChatGPT也都是基于这个模型。
　　换言之，想进入机器学习的领域，就必须得懂Transformer。
　　这不，量子位就发现了一篇零基础也能学的教程，作者是前微软、Facebook首席数据科学家，也是MIT机械工程的硕博士，从视觉化矩阵乘法开始 ，带你一步步入门。
　　DeepMind研究科学家Andrew Trask也转发评论道：
　　这是我至今见过最好的教程，它对入门者 非常非常 友好。
　　这条帖子也是掀起了一阵热度，浏览量已经有近30w。
　　网友们也纷纷在评论区作出＂码住＂状。
　　从视觉化矩阵乘法开始学
　　因为这是一个新手入门的教程，所以在正式学Transformer之前，会有很多介绍矩阵乘法和反向传播的内容。
　　并且在介绍的过程中，作者逐个添加学习Transforme所需要了解的概念，并加以解释。
　　具体有多新手友好，我们先来浅看下这篇教程 基础概念解释
　　首先，了解Transformer的第一步就是编码，就是把所有的单词转换成数字 ，进而可以进行数学计算。
　　一般来说，将符号转换为数字的有效方法是先对所有单词符号分配数字，每个单词符号都会对应一个独立的数字，然后单词组成的句子便可以通过数字序列来表示了。
　　举个简单的例子，比如files=1、find=2和my=3。然后，句子＂ Find my files＂可以表示为数字序列[2,3,1]。
　　不过这里介绍的是另外一种方法，即独热编码 。
　　具体来说，就是将单词符号转换成一个数组，这个数组中只能有一个1，其他全为0。还是上面那个例子，用这种方式表示的话如下图。
　　这样一来，句子＂Find my files＂就变成了一维数组的序列，压缩到一块也就像是二维数组了。
　　接下来就要再来了解下点积 和矩阵乘法 了。
　　点积这里也就不再过多赘述，元素相乘再相加便可以了。
　　它有两个作用，一个是用来度量两个单词之间的相似性 ，一个是显示单词的表示强度 。
　　相似性很容易判别，一个单词的独热矢量和自己的点积是1，和其他的点积为0.
　　至于表示强度，和一个能够表示不同权重的值向量进行点乘便可以了。
　　矩阵乘法 ，看下面这幅图便足矣。
　　从简单的序列模型开始介绍
　　了解完这些基础概念之后，就要步入正轨了，开始学习Transformer是如何处理命令的。
　　还是用例子来解释，开发NLP计算机界面时，假设要处理3种不同的命令Show me my directories please.（请给我看看我的目录） Show me my files please.（请给我看看我的档案） Show me my photos please.（请给我看看我的照片）
　　可以用下面这个流程图（马尔可夫链） 来表示，箭头上的数字表示下一个单词出现的概率。
　　接下来解释将马尔可夫链转换为矩阵形式了，如下图。
　　每一列代表一个单词，并且每一列中的数字代表这个单词会出现的概率。
　　因为概率和总是为1，所以每行的数字相加都为1。
　　以my为例，要想知道它的下一个单词的概率，可以创建一个my的独热向量，乘上面的转移矩阵便能得出了
　　再然后，作者又详细介绍了二阶序列模型，带跳跃的二阶序列模型，掩码。
　　至此，关于Transformer，已经学到了最核心的部分，至少已经了解了在解码时，Transformer是如何做的。
　　不过了解Transformer工作的原理和重新建造Transformer模型之间还是有很大差距的，后者还得考虑到实际情况。
　　因此教程中还进一步展开，作了更大篇幅的学习教程，包括Transformer最重要的注意力机制。
　　换句话说，这个教程就是从最基础的东西教我们重新构建一个Transformer模型。
　　更加具体内容就不在这里一一列出了，感兴趣的朋友可以戳文末链接学习。
　　目录先放在这里，可以根据自己的基础知识选择从哪个阶段开始学起：
　　1、独热 （one-hot） 编码
　　2、点积
　　3、矩阵乘法
　　4、矩阵乘法查表
　　5、一阶序列模型
　　6、二阶序列模型
　　7、带跳跃的二阶序列模型
　　—-分割线—- （学完上面这些，就已经把握住Transformer的精髓了，不过要想知道Transformer，还得往下看）
　　8、矩阵乘法中的注意力
　　9、二阶矩阵乘法序列模型
　　10、完成序列
　　11、嵌入
　　12、位置编码
　　13、解除嵌入
　　14、softmax函数
　　15、多头注意力机制
　　16、使用多头注意力机制的原因
　　17、重现单头注意力机制
　　18、多头注意力块之间的跳过连接
　　19、横向规范化（Layer normalization）
　　20、多注意力层
　　21、解码器堆栈
　　22、编码器堆栈
　　23、编码器和解码器栈之间的交叉注意块
　　—-又一个分割线—- （如果你学到这里，那说明Transformer你已经掌握得差不多了，后面讲的东西就是关于如何让神经网络表现良好了）
　　24、字节对编码（Byte pair encoding） 作者介绍
　　Brandon Rohrer ，目前是Linkedin的一名机器学习工程师，曾先后在微软，Facebook担任首席数据科学家。
　　在Facebook工作期间，他建立了一种更精确的电网映射预测模型，以评估全球的中压电网的连通性和路由。
　　写教程算是Brandon的一大爱好了，目前他所有的教程都不断更新在他的新书《如何训练你的机器人》中，帖子的跨度从职业发展到各种编程工具的介绍。
　　传送门：
　　https://e2eml.school/transformers.html#softmax
　　更多教程：
　　https://e2eml.school/blog.html
　　— 完 —
　　量子位 QbitAI · 头条号签约
　　关注我们，第一时间获知前沿科技动态