网页seo优化网络

自从 BERT 和 GPT 模型取得重大成功之后， Transformer 结构已经替代了循环神经网络 (RNN) 和卷积神经网络 (CNN)，成为了当前 NLP 模型的标配。

一、Transformer就在你身边

标题怎么说？被说烂的GPT里面的“T”就是Transformer本尊啦。GPT的全称是the Generative Pretrained Transformer（生成式预训练变换器）。那么问题来了。GPT与Transformer有什么关系呢？
Transformer是一种自注意力机制的深度学习模型框架，目前广泛应用在处理文本（自然语言处理）中。
而GPT是OpenAI开发的一种大语言模型，使用了Transformer架构，并在大量的数据上进行训练。从而有了强大的语言理解和生成能力。
简单的说，GPT的核心就是Transformer。
具体的说呢，GPT使用了Transformer中的编码器部分，比如，增加了更多的参数和训练数据，从而提高了模型的性能和效果。

二、Transformer基本概念

Transformer由一个编码器和解码器组成，编码器里面有多头注意力和前馈神经网络，分别都有残差连接，这样的n个transformer block就组成了编码器。解码器是在编码器的基础上多了带掩码的多头自注意力。

1. 多头注意力机制

让模型处理文本时关注时，能同时关注不同位置的信息。它能让模型学习到文本中的长距离依赖关系，更好的理解和处理语言。

2. 位置编码

Transformer无法感知单词顺序。位置编码就是给单词富裕位置信息，让模型能捕捉到句子结构和意义。

3.残差连接

是为了防止模型训练时出现梯度消失的问题。简单来讲，就是模型的每一层之间添加了一条捷径，让信息能更顺畅的流动。这样呢，模型可以训练的更深，效果也会更好。

三、Transformer的结构

标准的 Transformer 模型主要由两个模块构成：
Encoder（左边）：负责理解输入文本，为每个输入构造对应的语义表示（语义特征）；
Decoder（右边）：负责生成输出，使用 Encoder 输出的语义表示结合其他输入来生成目标序列。

这两个模块可以根据任务的需求而单独使用：

1.纯 Encoder 模型（例如 BERT）

纯 Encoder 模型只使用 Transformer 模型中的 Encoder 模块，也被称为自编码 (auto-encoding) 模型。在每个阶段，注意力层都可以访问到原始输入句子中的所有词语，即具有“双向 (Bi-directional)”注意力。适用于只需要理解输入语义的任务，例如句子分类、命名实体识别。
BERT 是第一个基于 Transformer 结构的纯 Encoder 模型，它在提出时横扫了整个 NLP 界，在流行的 GLUEhttps://arxiv.org/abs/1804.07461 基准上超过了当时所有
的最强模型。随后的一系列工作对 BERT 的预训练目标和架构进行调整以进一步提高性能。

2.纯 Decoder 模型（例如 GPT）

纯 Decoder 模型只使用 Transformer 模型中的 Decoder 模块。在每个阶段，对于给定的词语，注意力层只能访问句子中位于它之前的词语，即只能迭代地基于已经生成的词语来逐个预测后面的词语，因此也被称为自回归 (auto-regressive) 模型。
纯 Decoder 模型的预训练通常围绕着预测句子中下一个单词展开。纯 Decoder 模型适合处理那些只涉及文本生成的任务。对 Transformer Decoder 模型的探索在在很大程度上是由OpenAI 带头进行的，通过使用更大的数据集进行预训练，以及将模型的规模扩大，纯 Decoder 模型的性能也在不断提高。适用于生成式任务，例如文本生成。

3.Encoder-Decoder 模型

Encoder-Decoder 模型或 Seq2Seq 模型（例如 BART、T5）：适用于需要基于输入的生成式任务，例如翻译、摘要。

四、应用案例

1.机器翻译

Transformer让机器翻译更自然准确，像谷歌翻译这些主流翻译系统等都用了它。

2.文本生成

相信这块大家都不陌生了。Transformer可用于新闻写作、故事创作和诗歌生成。

3.问答系统

最常见的就是智能客服、智能助手、语音助手等。

四、面试会用到

1. self-attention机制是什么？（高频）

self-attention机制是Transformer核心，它能让模型在处理序列数据时，为不同位置信息分配权重，通过生成查询向量Q、键向量K和值向量V，计算点积、归一化得到权重，在对值向量加权求和，以此捕捉长距离依赖关系，提升模型性能。

2. 为什么Transformer需要位置编码？以及常见的位置编码有哪些？

因为Transformer本身无法处理序列顺序信息，而位置编码能赋予其顺序信息，这对语义理解很关键。
常见的位置编码有正弦位置编码（预先计算生成位置向量，处理长序列效果好）和学习位置编码（模型训练时自动学习位置编码，比较灵活）。

3. 残差链接的作用？

主要是解决深度模型训练时的梯度消失和梯度爆炸问题。
在深度网络中，如果层数太多，随着训练的进行，梯度在反向传播过程中可能会变得很大或很小，导致模型难以训练。残差连接通过在网络层间添加捷径，让梯度能够更顺畅的反向传播，这样模型就可以训练的更深，提高模型的表达能力和训练效果。简单来说，就是帮助深度模型更好的学习和收敛。

4.解释多头注意力机制？

多头注意力机制是同时用多个注意力头，每个头独立学习不同特征。将输入分配到各头进行self-attention计算后拼接，再线性变换输出。它能让模型多角度关注序列，捕捉丰富复杂特征和依赖关系，增强表达能力，提升任务性能。

5.Transformer和RNN、LSTM相比，优势在哪？

Transformer相比RNN、LSTM有不少优势。
首先是并行计算能力强，RNN这类模型按顺序处理序列，难以利用并行计算加速，而Transformer能同时处理序列中各个位置，大大节省空间。
其次，它对长序列数据的处理效果更好，RNN和LSTM在处理长序列时容易出现梯度消失或梯度爆炸问题，导致难以捕捉长距离依赖关系，Transformer的self-attention机制则能有效解决这个问题，能直接建模序列中任意位置间的依赖，更好的理解长序列语义。

后记

这本来是一个前记，但是一不小心写多了放到前面不妥，写成了年度总结？或许是日记？又或许是…写都写了,删了又不太好叭？！哈哈，所以就诞生出一个后记。

时隔半年，我又回来啦！看到最新一篇笔记，半年前发生的事情恍如昨日。历历在目间让我发觉记录的必要性，所以重新提笔，想要记录这美好的但又不怎么美好的一切。这半年发生了很多事情，小到我自己的抓马生活，大到AI界的重大突破DeepSeek。万幸的是，今年是一个旺我的年哈哈，我非常期待，我满怀热情与信心。
身为一个理工女，我没有华丽的辞藻，没有优美的比喻，只有袒露赤城。有着不该从理工女身上看到的感性，感性到什么程度呢？大概就是早高峰在公交车上，耳机里传来那首“西安人的城墙下是西安人的歌”的前奏就已经泪流满面（包括正在写这句话此刻的我），从那之后我不敢再去听这首歌，前奏一起就忍不住了，对这首歌有了后遗症。害，乱七八糟说了这么多。我相信所有的经历都是为了雕刻出更好的自己，希望大家都能成为更好的自己。那就从学习万能的Transformer开始叭！我们都是坠坠棒的！