又有人将Transformer可视化了，可交互、有源码

最新推荐文章于 2025-04-09 09:19:20 发布

原创最新推荐文章于 2025-04-09 09:19:20 发布 · 1.8k 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#transformer #深度学习 #人工智能 #大语言模型 #LLMs #ai大模型 #计算机技术

为什么说“又”呢？因为前面已经分享过一个可视化工具了，与那个工具相比，今天分享的Transformer Explainer更直观、交互性更强。

在线地址：https://poloclub.github.io/transformer-explainer/

源码：https://github.com/poloclub/transformer-explainer

论文：https://arxiv.org/pdf/2408.04619

为什么人们热衷于可视化Transformer？

一是因为它太重要了，现如今几乎所有的大模型都是以Transformer为基础，而且不光是在NLP领域，在CV中也开始崭露头角。

二是因为它的结构比较复杂，传统的模型构成比较单一，多由重复的卷积层或者MLP层构成，而Transformer则是由Encoder或者Decoder组成，每个der又由多个Block级联而成，每个Block又包括Embedding、自注意力、多头注意力、交叉注意力、层归一化、残差链接、MLP或者MoE层。

通过可视化技术不仅可以清晰了解模型构成，还可以直观可视化数据流经过程，这对于理解Transformer至关重要。

直观性

直观性不仅体现在能够直观描述模型整体架构，还要能把模型中的细节都体现出来，例如，鼠标悬停后都会显示该节点的数据维度信息。

Transformer主要由三部分构成：

1.Embedding

2.Transformer Block

Attention Mechanism

MLP (Multilayer Perceptron) Layer

3.Output Probabilities

1.Embedding

鼠标点击Embedding就可展示详细过程。

对于输入“Data visualization empowers users to”，Embedding层经过(1) Tokenization, (2) Token Embedding, (3) Positional Encoding生成最终的(4) Final Embedding。

2.Transformer Block

Multi-Head Self-Attention

Step 1: Query, Key, and Value Matrices

鼠标悬停到蓝色区域弹出动画展示QKV计算过程。

Step 2: Masked Self-Attention

鼠标点击紫色圆点弹出动画展示自注意力分数矩阵计算过程。

Step 3: Output

MLP: Multi-Layer Perceptron

MLP针对注意力层输出的特征进行非线性变换，进一步丰富和加工特征表示，以增强模型的表达能力。

3.Output Probabilities

输出层会为词表中的每一个token赋一个概率值。

交互性

除了上面鼠标交互外，还可以输入自己的文本，也可以更改temperature值。

Transformer Explainer是如何实现的？

Transformer Explainer在浏览器中直接运行一个实时的GPT-2（小型）模型。该模型源自Andrej Karpathy的nanoGPT项目的PyTorch实现，并已转换为ONNX Runtime，以实现无缝的浏览器内执行。界面使用JavaScript构建，前端框架为Svelte，动态可视化由D3.js创建。数值会根据用户输入实时更新。

Transformer Explainer是谁开发的？

Transformer Explainer由佐治亚理工学院的Aeree Cho、Grace C. Kim、Alexander Karpekov、Alec Helbling、Jay Wang、Seongmin Lee、Benjamin Hoover和Polo Chau开发。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述