Transformer面试题汇总

原创

已于 2025-06-20 17:20:13 修改 · 789 阅读

CC 4.0 BY-SA版权

文章标签：

于 2025-06-20 17:09:54 首次发布

一、Attention机制，Transformer面试问题参考答案

Transformer Encoder 的核心子层（每层包含）：

多头自注意力机制：
- 功能： 计算输入序列中每个位置与其他所有位置之间的关联度（注意力权重），从而整合整个序列的上下文信息来增强每个位置的表示。
- 关键： “自注意力”意味着注意力发生在同一个序列内部。“多头”允许模型在不同的表示子空间（如关注不同语法关系、语义角色）中并行学习不同的关联模式，然后将这些信息拼接融合，增强了模型的表征能力。
前馈神经网络：
- 功能： 对自注意力层输出的每个位置向量进行独立（位置间参数共享但计算独立）的非线性变换和特征提取。
- 典型结构： Linear (扩展维度) -> Activation Function (通常是 ReLU 或 GELU) -> Dropout (可选，用于正则化防止过拟合) -> Linear (压缩回原始维度)。
- 关键： 它为每个位置引入了额外的复杂非线性变换能力，独立于序列中其他位置进行操作。

每个核心子层周围的必备组件：

残差连接：
- 位置： 应用于每个核心子层（多头自注意力层和前馈神经网络层）之前。
- 形式： 子层输出 = LayerNorm(子层输入 + Sublayer(子层输入)) (最常见实现方式，也称为 Post-LN)。也有 Pre-LN 架构（子层输出 = 子层输入 + Sublayer(LayerNorm(子层输入))）。
- 功能： 允许梯度直接流过网络，有效缓解深度网络训练中的梯度消失问题，使得训练非常深的模型（如 Transformer）成为可能。它保留了原始输入信息，让网络更容易学习到恒等映射或微小修改。
层归一化：
- 位置： 与残差连接紧密配合。在 Post-LN 结构中，位于残差相加之后（LayerNorm(x + Sublayer(x))）。在 Pre-LN 结构中，位于子层操作之前（x + Sublayer(LayerNorm(x))）。
- 功能： 对单个样本在某一层所有神经元（或特征维度）的输出进行标准化（均值为0，方差为1），通常再应用可学习的缩放和偏移参数。这显著稳定了训练过程