TR5 - Transformer的位置编码

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

---

---

前言

在NLP任务中，单词的序列顺序是非常重要的，将单词的顺序重新排列，整个句子的意思可能会发生改变。在RNN循环神经网络中，有着处理序列顺序的内置机制。Transformer通过引入位置编码机制来保存文本中字符的位置信息。

什么是位置编码

1. 定义

位置编码记录了文本中字符的位置信息，它并没有使用单个数字（例如索引值）的形式来记录位置信息。原因主要有：

1. 对于长序列，索引的大小可能会变得很大，不利于存储。
2. 将索引值规范化到0-1之间，可能会为可变长度序列带来问题（它们的标准化方式不同）。

Transformer使用智能位置编码方案，第个位置/索引都映射到了一个向量，所以位置编码层的输出明天是一个矩阵，其中矩阵的每一行代表序列中的一个编码对象与其位置信息相加。

2. 三角函数

正弦函数的值域为[-1, 1]，可以等效地使用正弦函数或余弦函数。

3. 位置编码公式

假设你有一个长度为L的输入序列，要计算第K个元素的位置编码，可以由不同频率的正弦和余弦函数给出：

$P(k,2i)=sin(\frac{k}{n^{2i/d}})$

$P(k,2i+1)=$