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）

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