Ai 算法之Transformer 模型的实现: 一 、Input Embedding模块和Positional Embedding模块的实现_transformer的position embedding代码

---

一 文章生成模型简介

比较常见的文章生成模型有以下几种：

1. RNN：循环神经网络。可以处理长度变化的序列数据，比如自然语言文本。RNN通过隐藏层中的循环结构来传递时间序列中的信息，从而使当前的计算可以参照之前的信息。但这种模型有梯度爆炸和梯度消失的风险，所以只能做简单的生成任务。
2. LSTM：长短记忆网络。通过引入门控制机制来控制信息传递。有效避免了梯度消失和梯度保障的问题。LSTM可以做些复杂的生成任务。
3. Transformer：目前最火的，一种基于自注意力机制（self-attention mechanism）的神经网络模型。Transformer 和 以上所述的几个生成模型主要的区别是，RNN、LSTM的训练迭代是串行的，必须要处理完当前字才可以处理下一个。而 Transformer 所有字符是同时训练的，也就是并行的。因此它效率更高，同样，由于参考了全文位置信息，因此效果更好。

值得一提的是这几个模型的价值并不仅限于在文章生成中。所有需要"经验值"的应用场景应该都适合借鉴。比如19年我曾尝试用LSTM来实现物联网小车自动驾驶。将操作指令转换为文字编码，实现了自动巡航、避障、撞墙倒车等操作。效果还不错。相信更换为注意力机制效果会更好

本文无意重塑轮子，纯是基于兴趣学习，尝试复现模型构造过程，本文所使用环境为python3.9+pytorch，参考论文为Google的Attention Is All You Need 2017。欢迎骚扰探讨

关于RNN和LSTM的实现代码，请查看我博客中的相关文章

1.1 Transformer 结构图

左侧为外国原版，右侧为在下翻译版

Transformer 模型主要分为两大部分，分别是 Encoder 、 Decoder，即组码器和解码器。组码器负责把输入语言序列映射成隐藏层，然后解码器再把隐藏层映射为其他自然语言序列。在原文中解码器和编码器都被设为6层(N = 6)。据说这个6没有特殊的含义。只是根据经验平衡了训练和精度的尝试数字。
在输入语句进入组码器前需要对数据进行预处理。这就是本章的主要内容：Embedding模块的实现

二 Input Embedding 字符编码模块的实现

字符编码本质上就相当于映射，将现实中的物体用数学的方式映射到计算机中。以翻译任务为例，我们需要准备两种不同的语言数据，并使用索引将他们一一对应。比如英文字符[i, eat, shit], 中文[我，吃，屎]，这就相当于我们知道了问题和答案，剩下的就是训练隐藏层的参数了。

在npl中，为了使字符可以计算，首先要先将输入的词汇进行数学转化。在比较在其的语言处理中，一般使用one hot（独热）编码。即指定一个表值范围数组，单独改变某个位置上的值来决定其特征。
独热编码示例：
[1，0 ，0 ，0] = 我
[0，1 ，0 ，0] = 吃
[0，0， 1 ，0] = 屎
独热编码简单清晰，但无法对比两个值之间的相似性，无法进行降维操作。所以在tranfomer中 使用多维向量来表示单词的编码信息。一个向量表示一个单词。多个单词在一起就是一个矩阵。相比较以前的独热编码，词向量可以便于计算单词之间的相似性（点积），也可以进行降维操作。
单词向量示例：
[11，23，31，32]
[23，21，31，23]
[13，32，33，93]

单词的 Embedding 有很多种方式可以获取，例如可以采用 Word2Vec、Glove 等算法预训练得到，也可以在 Transformer 中训练得到。以下是使用pythoch获取Embedding向量的代码脚本，复制可用。

import torch
import torch.nn as nn

# padding：当句子长度不一，有空白时用0补缺
embedding = nn.Embedding(单词数量, 向量维度，padding=0)
# 根据索引获取8个单词向量
input = torch.LongTensor([[1, 2, 3, 4], [11, 12, 13, 13]])
print(embedding(input))
print(embedding(input).shape)
1
2
3
4
5
6
7
8
9

三 Positional Embedding 位置编码模块的实现

位置编码模块负责将输入序列中的位置信息写入词向量，输入到transformer中的句子没有顺序信息，因此需要通过计算句子的长度，单词长度以及单词所在的位置通过编码来为输入系列添加位置信息。Tranformer原文作者使用的是正弦余弦编码

位置 Embedding 用 PE表示，PE 的维度与单词 Embedding 是一样的。PE 可以通过训练得到，也可以使用某种公式计算得到。在 Transformer 中采用了后者，计算公式如下：

那么单词向量是怎么得来的呢？
单词向量 = 原始单词编码 + 单词位置编码
举个例子：我吃屎 = i eat shit

位置编码计算公式

$$偶数索引：PE(pos,2i)=sin(pos/10000^{2}i/d)$$
$$单数索引：PE(pos,2i)=cos(pos/10000^{2}i/d)$$

import torch
import torch.nn as nn
import ludash as ld
import cv2
import seaborn    
import matplotlib.pyplot as plt

term = (10000**2/i)
pe[:, 0::2] = torch.sin(position * term )
pe[:, 1::2] = torch.cos(position * term )

1
2
3
4
5
6
7
8
9
10
11

四 获取预处理数据

获取到字符编码和位置编码后，就可以计算出参考了字符位置的权重矩阵

$$公式：[q,k,v]=（InputEmbedding+positionalEmbedding）\ast [Wq,Wk,Wv]$$
$$q=查询向量，k=键值向量，v=值向量$$

1
2
3
4
5

取得这个值后就可以进行下一步：传入Transfrom的组码器进行组码处理了。