一文彻底搞懂Transformer - 总体架构，零基础入门到精通，收藏这一篇就够了

关注

原创最新推荐文章于 2026-04-11 17:13:02 发布 1.6k 阅读 AI 写同款· GEO 优化 ›

一文彻底搞懂Transformer - 总体架构 ***编码器：****。**c**Transformer本质:Transformer是一种基于自注意力机制的深度学习模型，为了解决RNN无法处理长序列依赖问题而设计的。输入嵌入：将输入的文本转换为向量，便于模型处理。位置编码：给输入向量添加位置信息，因为Transformer并行处理数据而不依赖顺序。多头注意力：让模型同时关注输入序列的不同部分，捕获复杂的依赖关系。残差连接与层归一化：通过添加跨层连接和标准化输出，帮助模型更好地训练，防止梯度问题。阅读详情

Transformer

一、RNN编码器-解码器架构****

********序列到序列模型（Seq2Seq）：Seq2Seq模型的目标是将一个输入序列转换成另一个输出序列，这在多种应用中都具有广泛的实用价值，例如语言建模、机器翻译、对话生成等。

Seq2Seq

**RNN编码器-解码器架构：**Transformer出来之前，主流的序列转换模型都基于复杂的循环神经网络（RNN），包含编码器和解码器两部分。当时表现最好的模型还通过注意力机制将编码器和解码器连接起来。

Transformer vs RNN

在Seq2Seq框架中，RNN的作用主要体现在两个方面：编码和解码。

****编码器：****RNN接收输入序列，并逐个处理序列中的元素（如单词、字符或时间步），同时更新其内部状态以捕获序列中的依赖关系和上下文信息。这种内部状态，通常被称为“隐藏状态”，能够存储并传递关于输入序列的重要信息。

RNN编码器-解码器架构

解码器：RNN使用编码阶段生成的最终隐藏状态（或整个隐藏状态序列）作为初始条件，生成输出序列。在每一步中，解码器RNN都会根据当前状态、已生成的输出和可能的下一个元素候选来预测下一个元素。

因此，循环神经网络（RNN）、特别是长短时记忆网络（LSTM）和门控循环单元网络（GRU），已经在序列建模和转换问题中牢固确立了其作为最先进方法的地位。

RNN LSTM GRU

神经网络算法 - 一文搞懂RNN（循环神经网络）****

神经网络算法 - 一文搞懂LSTM（长短期记忆网络）

同时，RNN存在一个显著的缺陷：处理长序列时，会存在信息丢失。

编码器在转化序列**x1, x2, x3, x4**为单个向量**c**时，信息会丢失。因为所有信息被压缩到这一个向量中，处理长序列时，信息必然会丢失。

RNN编码器-解码器架构

二、Transformer总体架构_****_

**Transformer起源：******Google Brain 翻译团队通过论文《Attention is all you need》提出了一种全新的简单网络架构——****Transformer，它完全基于注意力机制，摒弃了循环和卷积操作。

注意力机制是全部所需

************注意力机制：************一种允许模型在处理信息时专注于关键部分，忽略不相关信息，从而提高处理效率和准确性的机制。它模仿了人类视觉处理信息时选择性关注的特点。

注意力机制

当人类的视觉机制识别一个场景时，通常不会全面扫描整个场景，而是根据兴趣或需求集中关注特定的部分，如在这张图中，我们首先会注意到动物的脸部，正如注意力图所示，颜色更深的区域通常是我们最先注意到的部分，从而初步判断这可能是一只狼。

注意力机制

Transformer动画讲解 - 注意力机制

**注意力计算Q、K、V：**注意力机制通过查询（Q）匹配键（K）计算注意力分数（向量点乘并调整），将分数转换为权重后加权值（V）矩阵，得到最终注意力向量。

注意力分数是量化注意力机制中信息被关注的程度，反映了信息在注意力机制中的重要性。

Q、K、V计算注意力分数

Transformer动画讲解 - 注意力计算Q、K、V

Transformer本质：****************Transformer是一种基于自注意力机制的深度学习模型，为了解决RNN无法处理长序列依赖问题****而设计的。****

Transformer vs RNN

********Transformer总体架构：********Transformer也遵循编码器-解码器总体架构，使用堆叠的自注意力机制和逐位置的全连接层，分别用于编码器和解码器，如图中的左半部分和右半部分所示。

Transformer的架构

**Encoder编码器：**Transformer的编码器由6个相同的层组成，每个层包括两个子层：一个多头自注意力层和一个逐位置的前馈神经网络。在每个子层之后，都会使用残差连接和层归一化操作，这些操作统称为Add&Normalize。这样的结构帮助编码器捕获输入序列中所有位置的依赖关系。

Encoder（编码器）架构

**Decoder解码器：**Transformer的解码器由6个相同的层组成，每层包含三个子层：**掩蔽自注意力层、Encoder-Decoder注意力层和逐位置的前馈神经网络。**每个子层后都有残差连接和层归一化操作，简称Add&Normalize。这样的结构确保解码器在生成序列时，能够考虑到之前的输出，并避免未来信息的影响。

Decoder（解码器）架构

神经网络算法 - 一文搞懂FFNN（前馈神经网络）

**************Transformer核心组件：******Transformer模型包含输入嵌入、位置编码、多头注意力、残差连接和层归一化、带掩码的多头注意力以及前馈网络等组件。

Transformer的核心组件

输入嵌入：将输入的文本转换为向量，便于模型处理。
位置编码：给输入向量添加位置信息，因为Transformer并行处理数据而不依赖顺序。
多头注意力：让模型同时关注输入序列的不同部分，捕获复杂的依赖关系。
残差连接与层归一化：通过添加跨层连接和标准化输出，帮助模型更好地训练，防止梯度问题。
带掩码的多头注意力：在生成文本时，确保模型只依赖已知的信息，而不是未来的内容。
前馈网络：对输入进行非线性变换，提取更高级别的特征。

Transformer的核心组件

****************Transformer数据流转：**********可以概括为四个阶段，Embedding（嵌入）、Attention（注意力机制）、MLPs（多层感知机）和Unembedding（从模型表示到最终输出）。
**

Embedding -> Attention -> MLPs -> Unembedding

Transformer动画讲解 - 数据处理的四个阶段

************Transformer注意力层：************在Transformer架构中，有3种不同的注意力层（Self Attention自注意力、Cross Attention 交叉注意力、Causal Attention因果注意力）

****编码器中的自注意力层（Self Attention layer）：****编码器输入序列通过Multi-Head Self Attention（多头自注意力）计算注意力权重。
****解码器中的交叉注意力层（Cross Attention layer）：****编码器-解码器两个序列通过Multi-Head Cross Attention（多头交叉注意力）进行注意力转移。
****解码器中的因果自注意力层（Causal Attention layer）：****解码器的单个序列通过Multi-Head Causal Self Attention（多头因果自注意力）进行注意力计算