Transformers的Feed-Forward Layer技术详解

Transformers的Feed-Forward Layer技术详解

引用

CSDN

1.

https://m.blog.csdn.net/shengyin714959/article/details/140945750

本篇文章将深入探讨Transformer模型中的核心组件之一：前馈层（Feed-Forward Layer）。通过直观的图表和简洁的文字，帮助读者理解这一在深度学习架构中至关重要的元素。

前馈全连接层（feed-forward linear layer）是大多数深度学习架构中的基础元素。在有关深度学习的常见话题交流时，一般都会强调它们在构造 Transformer 架构中的重要作用。

原论文中的图片[1]

前馈全连接层（feed-forward linear layer）基本上就是一堆神经元，每个神经元都与其他神经元相连接。请看下图，其中a、b、c和d是神经元。这些神经元包含了一些 input（即一些我们想要理解的数据（像素值（pixels）、词嵌入（word embeddings）等））。它们与编号为1的神经元相连。每两个神经元之间的连接都有不同的连接权重值（connection strength）。例如，a-1是0.12，b-1是-0.3，等等。实际上，左列中的所有神经元都与右列中的所有神经元相连。但是为了清晰起见，我没有在图像中展示全部的连接，你需要了解这一情况。就像图中有a-1一样，还应该有a-2、b-2、c-2、d-3等。两个神经元之间的每个连接都有不同的“连接权重”。