Transformer 模型架构详解与核心原理

3.6 掩码机制（Masking）

1. Padding Mask：填充的 0 不应被关注，通过加负无穷实现。
2. Sequence Mask：解码器在预测第 t 个词时，不能看到 t 之后的词。通过上三角掩码矩阵实现。

4. PyTorch 简易实现示例

以下是一个简化的 Self-Attention 模块实现，展示了核心逻辑：

import torch
import torch.nn as nn
import math

class ScaledDotProductAttention(nn.Module):
    def __init__(self, d_model):
        super().__init__()
        self.d_k = d_model

    def forward(self, q, k, v, mask=None):
        scores = torch.matmul(q, k.transpose(-2, -1)) / math.sqrt(self.d_k)
        if mask is not None:
            scores = scores.masked_fill(mask == 0, -1e9)
        p_attn = torch.softmax(scores, dim=-1)
        return torch.matmul(p_attn, v), p_attn

class MultiHeadAttention(nn.Module):
    def __init__(self, d_model, num_heads):
        super().__init__()
        self.num_heads = num_heads
        self.d_k = d_model // num_heads
        self.w_q = nn.Linear(d_model, d_model)
        self.w_k = nn.Linear(d_model, d_model)
        self.w_v = nn.Linear(d_model, d_model)
        self.w_o = nn.Linear(d_model, d_model)

    def forward(self, q, k, v, mask=None):
        batch_size = q.size(0)
        # 投影并分头
        q = self.w_q(q).view(batch_size, -1, self.num_heads, self.d_k).transpose(1, 2)
        k = self.w_k(k).view(batch_size, -1, self.num_heads, self.d_k).transpose(1, 2)
        v = self.w_v(v).view(batch_size, -1, self.num_heads, self.d_k).transpose(1, 2)
        
        # 计算注意力
        attn, score = ScaledDotProductAttention(self.d_model)(q, k, v, mask)
        
        # 合并头
        attn = attn.transpose(1, 2).contiguous().view(batch_size, -1, self.d_model * self.num_heads)
        output = self.w_o(attn)
        return output

5. 训练与优化技巧

1. Dropout：在残差连接之前应用 Dropout，防止过拟合。论文中使用率为 0.1。
2. Label Smoothing：使用标签平滑技术，避免模型对硬标签过度自信，提升泛化能力。
3. Warmup Learning Rate：学习率在前几个 epoch 线性增加，然后按反平方根衰减。

6. 总结

Transformer 通过自注意力机制实现了高效的并行计算，解决了长序列建模难题。其模块化设计使其易于扩展，成为当前大语言模型（LLM）的基础架构。理解其内部细节对于深入掌握深度学习至关重要。

7. 参考资料

1. Vaswani, A., et al. "Attention Is All You Need." NeurIPS 2017.
2. The Illustrated Transformer (Jay Alammar).
3. PyTorch Official Documentation.