背景:听了李宏毅老师关于transformer的讲解，觉得有必要记录一下，里面的PPT都是李宏毅老师的内容(不喜勿喷)

1.self-attention

在介绍transformer之前，必须先了解self-attention

(1) 先将X输入Embedding(a = Wx), 然后a乘相关的权重，生成QKV

(2) q1*k1、q1*k2...，将q1*k1、q1*k2...通过soft-max，然后将通过soft-max的数值与V相乘，最后将相乘的结果相加生成b1、b2...

(3) 根据(1)和(2)就是self-attention的操作(这样说还是挺清楚的，公式也不复杂)

2.并行计算

(1) 矩阵的计算还是挺清楚的(QKV的计算)

(2) 计算b(softmax(K*Q)*V最后相加)

(3) 简化的就是这样，大块的清清楚楚！！！

3.多头注意力机制

(1) 多个QKV

4.TransFormer

5.注意点

关于这个图，理解的理解，不理解的还是不理解

1. 从vit的onnx结构图来看transformer的输入

1. 3*224*224经过768个16*16的卷积，输出768*14*14

2. 将输出flatten，768*196（14*14）

3. 调整通道196*768

4. 添加class_num(分类信息)1*768，拼接196*768成197*768

5. 添加位置信息pos,add(shape还是197*768)

2. 关于outputs的解释

我的理解就是encoder的输出，如下图所示

1. encoder从BOS(一个特殊的字符)开始，输出潮水

2. decoder从BOS+潮水作为encoder的outputs，但是是decoder的inputs

3. 重复几遍，知道潮水退了结束

3.VIT的onnx结构图

看看里面的结构，都是一些block的堆叠，也没有新的OP，我的感觉是transformer还是做的和CNN的工作是类似的，但是transformer的并行效果更好，同时这些计算密集型的OP，后续的性能优化也是一个方向(量化)