transformer dk

Transformer中的dk代表的是模型中的维度大小。一般情况下，dk的值设定为512，这是一个较大的值。在进行softmax操作之前，将向量除以根号下dk的目的是避免使向量中的值极端化为1或0。这样做有利于后续的梯度求解和参数更新。为了识别不同的模式，Transformer引入了多头注意力机制。通过学习多个投影方法，可以在不同的度量空间中匹配不同模式所需的相似函数。最后，将这些投影结果一起返回并进行一次投影。Transformer使用三角函数来实现相对位置信息的表示。在不同的奇偶维度中，某一位置的词采用不同频率的sin和cos函数的组合，生成包含位置信息的高维位置向量。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [Transformer相关知识总结-面试知识点总结4](https://blog.csdn.net/weixin_48215309/article/details/128049089)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* [基于JP8020_三合一（QR DR GaN)氮化镓65WPD ALTIUM设计硬件原理图PCB【6款】文件.zip](https://download.csdn.net/download/guoruibin123/85298368)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]