老师讲的超级棒，激动哭了：

视频链接：台大李宏毅21年机器学习课程 self-attention和transformer

李宏毅老师讲Transformer

• Transformer本质就是Seq2seq问题：

Encoder

• 作用：输入一系列向量，输出同样长度的一系列向量，将向量编码到一种机器空间。

• 每一个模块都是Residual的设计；
• norm：求平均值和标准差，计算归一化。

Decoder

Decoder整体逻辑

• 有一个初始vector：BOS，在Decoder可能输出的向量前加一个即可；
• 输出的向量vector：是对你所有可能结果（如果是英文翻译中文，则是中文词料库所有词）的softmax后分数最高的对应的vector；
• 然后以此类推。
  

• 在Decoder的Masked Self Attention中，每一次输出的vector只和前边已生成的vector进行交互，不能包括还未生成的vector；

• 通过预测END符号来表示sequence的结束；

non-autoregressive

• 优势：并行化，可控制输出长度；
• 用self attention也可以得到；

Decoder中的Cross Attention

• 通过Cross Entropy计算loss；
  
• 训练时会给deocder输入正确答案；
  

训练Seq2seq的一些Tips

• 训练时给Decoder加入一些错误的GT。