举例理解transformer中的位置编码

1. transformer结构图

​ 在transformer的结构图中，由一个“Positional Encoding”，即位置编码，查看了以下资料后，稍微有点儿理解了，记录于此。

2. 位置编码的作用

​ 由于transformer是并行化运算，所以输入的信息中没有位置信，而在语音文本中，绝大部分都是有语序的。例如：我爱你，要是翻译成’“You love me”，那意思就完全不一样了。于是，就有了位置编码，其作用就是让输入数据携带位置信息，是模型能够找出位置特点。

3. 位置编码的计算

​ 在transformer中的位置编码中，其编码公式如下：
$$\begin{gathered} PE(pos,2i)=sin(\frac{pos}{10000^{2i/d_{model}}}) \\ PE(pos,2i+1)=cos(\frac{pos}{10000^{2i/d_{model}}}) \end{gathered}$$
其中，$PE表示位置编码，pos表示当前字符在输入字母中的位置，i=di{m}_{i}ndex//2即改字符的维度下表对2求模，d_{model}表示该字符的维度。$

。上面，表示偶数位置使用sin, 奇数位置使用cos。引入实例，如： 翻译"我爱你"。

Step1: embedding编码

​ 假设embedding编码将每个词向量编程成512维，如图所示：

如上，如果有规定每次输入的x1, x2,…,xn的长度，那么不足就直接使用padding用0填充.其中的”喜欢“换成”爱“即可。

Step2： 位置编码

​ 由上图知，其$d_{model}=512,po{s}_{爱}=1$ ，其编码示意图如下：

一步步计算可得，其具体的位置编码：
$$\begin{gathered} P{E}_0=sin(\frac{1}{10000^{2\ast 0/512}})=sin(1) \\ P{E}_1=cos(\frac{1}{10000^{2\ast 0/512}})=cos(1) \\ ... \\ P{E}_{5}11=cos(\frac{1}{10000^{2\ast 255/512}}) \end{gathered}$$
Step3: 位置编码与embedding编码进行相加

​ 如图，

然后即可将其作为transtormer的输入进去Attention以及其他运算。

注：

文章有参考：https://wangguisen.blog.csdn.net/article/details/125074022?spm=1001.2014.3001.5502
该文写得非常赞，值得一看。