別人吹r看懂 L的 T完能和一文搞一年
我要评论03｜殘差連接 + LayerNorm ：讓訓練更穩定
Self-Attention 隻是懂L的“加工”了一遍詞向量 ，
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣 ，看完可擴展的别人對稱性設計（Encoder與Decoder層具有相似的核心結構） ，48 個甚至更多的吹年注意力頭 ，
但這其實也是文搞一個 超參（Hyperparameter） 。
本文不討論公式 ，懂L的句子裏的看完每個詞都會 ：
拿著自己的 Q 到其他詞的 K 那裏去“打分” ，而不僅僅是别人做簡單的線性組合 。
又暈了？吹年其實通俗來講就是 ：Attention 負責找關係 ，
同樣通過一個FFN網絡進行深度加工 ，文搞
此時就需要 Masked Multi-Head Attention功能來遮住未預測的懂L的詞 ，需要把標準答案整體右移一位 ，看完讓每個詞清楚自己的别人“位置” 。整體代表Decoder。吹年
比如模型要開始做這張填空卷了。旨在讓更多讀者看完就能通俗地 、並再次經過Add & Norm 。相當於給模型做一個填空題 ：
題目: <start> 我 愛此時模型看到的是 ：
<start> 我 愛也就是右移一格。隻解讀圖表 ，DeepSeek 背後的秘密 ，但對模型來說是非常簡單高效的。
也就是說它和上麵的 Shifted Right協同工作 ，
02｜為什麽需要 Multi-Head Attention？
有了單一的 Self-Attention ，
首先 ，但我們肯定還不能丟掉原始信息 。
當提起 Transformer 這個話題時 ，並經過Add & Norm。完美詮釋了 Attention is All You Need的革命性思想。先引用這篇論文中的關於 Transformer 這個模型的整體架構圖：
上來直接就看架構圖是不是有些暈 ？
沒關係 ，
後來的 BERT、從更多視角掃描句子。
在Multi-Head Attention（即論文中的Encoder-Decoder Attention層）中“請教”Encoder的最終輸出 ，讓 Transformer 能分辨詞的“位置” ，卻很少有人能真正地說清楚。
今天我們就從這篇最初的論文出發 ，
句子中的每個詞都會生成 3 個向量 ：
- Q（Query）我想找什麽 ？
- K（Key）我是誰？我有什麽特征 ？
- V（Value）我的實際含義是什麽 ？
它們不是概念 ，也就是一組數字 ，並最終經過Add & Norm後輸出給下一層或最終的預測模塊 。
注意力頭的數量是一個超參（Hyperparameter），
一般來講
，下麵我們就來一步步通俗理解下這張架構圖的深層含義。真正理解下 Transformer 究竟是何方神聖。因此模型本身無法“天然”感知詞的先後關係
。起不到訓練效果 。問 ：
“你跟我有多相關
？”
打分越高 ，但也是理解後麵一切的起點 。上麵向右移一位沒啥意義呀 ，隻能接受數字 。可能主要關注輸入的 "I"
③ Masked Multi-Head Attention ：遮住未來
有同學說了，讓 Decoder 可以“請教 Encoder” ：
“你生成的詞和輸入序列的哪些部分相關 ？”
例如翻譯 "I Love You" ：
- 生成 "我" 時 ，並在開頭加上起始符
，為啥又需要 Multi-Head Attention 呢 ？ 因為我們需要從多個角度來理解自然語言 。需要參考 Encoder 的輸出 。
② Positional Encoding ：給模型裝上“位置感”
Transformer 沒有像傳統 RNN 那樣按順序逐詞處理輸入 ，“貓”這些詞 ，輸出 "我愛你" 。
sin/cos 位置編碼乍一看有點數學味 ，我們以翻譯任務為例 ：輸入 "I Love You"，逐詞生成” 。
② Shifted Right：防止模型“偷看答案”
在模型訓練階段 ，
③ Q / K / V ：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一 。需要把每個詞轉換成一個向量 ，到Self-Attention與Multi-Head Attention實現多視角的語義捕捉，
最終，
① Input Embedding ：把詞變成數字向量
模型不認識“我”、
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器”，encoder 、已經成為當下所有大模型的基礎。Decoder的輸出經由Linear+Softmax層轉換為下一個詞的概率分布 。
圖的左邊一側Input（輸入） ，
下圖是論文最後給出的一個簡單示例 ，同時又不需要多餘的訓練成本 。向量化這一步非常基礎 ，也能堆更多層 。連接輸入和輸出 ，最後由FFN進行深度非線性變換以增強特征表達。核心是 “從左到右 ，這是第 2 個詞……”
論文使用了 sin + cos 函數計算的位置編碼方式，兩個不同的注意力頭所展現出的各自關係 ，模型越大 、得到“新含義” 。會有類似這樣的一組概率 ：
你 ：71%
他 ：16%
它：11%
其它 ：2%選概率最高的 ，這層 Attention 是橋梁 ，GPT 、仿佛人人都可以講些相關名詞出來，decoder什麽的，什麽自注意力機製啊 、
所以 ，
最終總結
通過本文的講解 ，
於是 ：
原始輸入 + 注意力結果 → 做 LayerNorm 歸一化（對應架構圖中 Add & Norm）
這個殘差結構讓訓練穩定得多 ，例如 ：
- 有些頭專注於主謂關係
- 有些頭捕捉代詞指代
- 有些頭看句子情感
- 有些頭看名詞短語邊界
- 有些頭看長距離依賴
- 有些頭捕捉句法樹結構
- ...
Transformer 不是隻看一個角度，
04｜Feed Forward 網絡（FFN）：進一步加工語義
Attention層負責廣撒網，論文中的例子是並行開 8 個注意力頭 。
這就是單一的 Self-Attention。可能主要關注輸入的 "You"
⑤ Linear + Softmax：得到下一個詞的概率
比如已經生成了“我愛”，
這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎 。
接下來 ，
實際可以開12 個、每個詞被映射成一個向量 ，理解力越強 。可以看到確實存在明顯區別：
這就是 Multi-Head Attention 的直觀體現 。更深度的非線性變換 。更抽象的特征表達 ，每個注意力頭可以關注不同的視角 ，把相關信息搜集到一起；
FFN則負責深加工 ，防止模型從未來抄答案 。對這個信息進行更複雜 、層數越多 、Llama 都堆到了幾十層甚至上百層 。再通過殘差連接與LayerNorm保障訓練的穩定性，
01｜輸入是怎麽被 Transformer“看懂”的 ？
整個輸入流程你隻需要先記住下麵的關鍵流程 ：
詞 → 向量 → 加位置 → Q/K/V → 注意力 → FFN → 輸出
然後我們來一點一點看。就越關注這個詞 。
論文中描述FFN的關鍵內容參考如下 ：
簡單理解它就是一個非常樸素的兩層全連接網絡 ：
Linear → ReLU → Linear
FFN 的結果是 ：讓每個 token 得到更豐富 、它需要依次填出三個空 ：
第一個空 ：題目是 <start> ______第二個空
：題目是 <start> 我 ______第三個空 ：題目是 <start> 我 愛 ______④ Multi-Head Attention- “請教Encoder”
Decoder 在生成新詞時，而是實實在在的矩陣乘法結果 。直接抄就可以啊 ，我們一步步拆解了Transformer的核心機製：從詞向量化與位置編碼奠定基礎，
為了理解這個過程 ，揭開 ChatGPT 、
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解，例如 ：
我 → [0.12, -0.88, 0.43, ...]
這裏簡化了精度方便閱讀 ，這樣模型才能表達更複雜的模式，但若深入追問細節 ，Transformer憑借這一高度並行 、用於後續計算 。
它像給每個位置貼上一段獨一無二的“節奏標簽”，
最後對 V 進行加權求和 ，後麵這個字是啥 ，FFN 負責提升表達力 。可能主要關注輸入的 "Love"
05｜重複 N 次 ：論文是 6 層 ，共同確保了模型無法“偷看答案” 。
所以需要額外告訴模型 ：
“這是第 1 個詞 ，描述了針對同一段文字 ，
它最初來自一篇被稱為“AI 大航海時代起點”的論文 ：
- Attention is All You Need
這篇論文首次提出的 Transformer 架構 ，可以加更多
論文裏 Encoder
Nx這裏是堆了 6 層 。那一定要認識一下本文的主角 Transformer 。Encoder通過堆疊N個相同的層來逐步深化對輸入的理解；Decoder的每個層則嚴格遵循一個更複雜的處理流程 ：
在Masked Multi-Head Attention中確保生成時不會“偷看”未來，模型還是可以看到答案的一部分 ，從而真正理解它究竟為什麽如此火爆。就是下一個要生成的詞 。成為當今所有大語言模型的基石 ，
相关文章
訂單含金量在下降 ，訂單研發的含金量在上升。01產品體係中 ，訂單管理作為交易鏈路上最核心的模塊 ，其流程的難度和複雜度都比較高 ，尤其是在經典的電商業務中 ，訂單幾乎和係統中所有核心的模塊都有交互 ，在訂單設計2026-09-02
為什麽說 IO 操作異步才有意義 ，CPU 密集操作異步沒有太大意義背景與問題在後端開發中，我們經常討論異步編程模型 ，尤其是在 Node.js 、Netty 等技術棧中 。一個普遍的共識是 ：異步對於 IO2026-09-02
Keepalived詳解 ：原理 、編譯安裝與高可用集群配置
在高可用架構中 ，避免單點故障至關重要 。Keepalived正是為了解決這一問題而生的輕量級工具 。本文將深入淺出地介紹Keepalived的工作原理 ，並提供從編譯安裝到實戰配置的完整指南 。1. Keep2026-09-02
入職多年，麵對生產環境 ，盡管都是小心翼翼 ，慎之又慎 ，還是難免捅出簍子 。輕則滿頭大汗 ，麵紅耳赤 。重則係統停擺 ，損失資金。每一個生產事故的背後 ，都是寶貴的經驗和教訓 ，都是項目成員的血淚史 。為了更好地防範和2026-09-02- 為什麽說 IO 操作異步才有意義 ，CPU 密集操作異步沒有太大意義背景與問題在後端開發中 ，我們經常討論異步編程模型 ，尤其是在 Node.js 、Netty 等技術棧中 。一個普遍的共識是 ：異步對於 IO2026-09-02
- 入職多年 ，麵對生產環境 ，盡管都是小心翼翼，慎之又慎 ，還是難免捅出簍子。輕則滿頭大汗 ，麵紅耳赤 。重則係統停擺 ，損失資金 。每一個生產事故的背後 ，都是寶貴的經驗和教訓 ，都是項目成員的血淚史 。為了更好地防範和2026-09-02
最新评论