系列文章目录
前言
Transformer是一种很重要且强大的模型，如今网上介绍Transformer的文章很多，但是大都是只是介绍模型的结构，对于训练过程、推理过程模型的输入和输出都没有进行介绍，使人看的一头雾水，因为本文就Transformer的模型的训练和推理过程进行详细的介绍。
一、模型结构
下面的Transformer的模型结构图，其分为编码器和解码器两部分。模型的结构详解网上有很多，在这里就不和大家赘述了。关于位置编码、自注意力机制和掩码部分的详细介绍可以参考这两篇博文。
Transformer输入Embedding及位置编码详解
Transformer多头自注意力及掩码机制详解
二、训练过程
比如我们想做一个中译英的机器翻译任务，现在我们已经准备好了数据集，例如{‘chinese’:我爱吃梨,‘english’: i love eating pears} ，那么模型的输入和输出以及标签分别是什么呢？
首先我们会先根据数据集创建中文词表和英文词表，假如数据集中只有{‘chinese’:我爱吃梨,‘english’: i love eating pears} 这一条样本，那么中文词表为{‘我’：0，‘爱’：1，‘吃’：2，‘梨’：3}，英文词表为{‘PAD’:0，‘BOS’:1，‘EOS’:2，‘i’:3，‘love’:4，‘eating’:5，‘pears’:6}。为什么英文词表中还多了一些特殊字符呢？首先’PAD’字符是填充的意思，在进行输入的时候为了保持一个batch中的句子长度一样，会将句子填充到一样的长度，所以如果句子的长度过短，会在其后面增加填充符。’BOS‘字符是开始符号，解码器的输入中的第一个字符便是’BOS’字符；’EOS‘字符为结束字符。
创建好此表后，我们根据词表将中英文输入映射成数字。如下所示：
encoder输入：
我爱吃梨---------------------------------------------------[0，1，2，3]
decoder输入：
‘BOS’ i love eating pears ------------------------------[1，3，4，5，6]
标签：
i love eating pears ‘EOS’ ------------------------------[3，4，5，6，2]
decoder输出：(模型还没有训练好）：
i love pears pears ‘EOS’------------------------------------[3，4，6，6，2]
可以看到，编码器的输入是一整个句子，解码器的输入和输出也是完整的一个句子，最后根据解码器输出的句子去和标签去算loss。因此transformer在训练的时候是并行的。
为什么说是并行的呢?例如解码器输入是’‘BOS’ i love eating pears‘，输出是’i love pears pears ‘EOS’‘，因此可以看出，输入中的’BOS’对应解码器预测输出’i’, 输入中的‘i’对应解码器的预测输出中的’love’。与自回归方式不同（把解码器的输出当作输入去预测，一个字一个字的输出），Transformer我们可以想象成给解码器扔进去一句话，然后解码器同时也输出了一句话。因此Transformer的训练速度相比与传统的RNN也快了很多。同时也因为是并行的，所以对内存要求也大大增加。
但是很明显，如果训练的时候给解码器输入一个完整的句子，例如输入’‘BOS’ i love eating pears‘，训练模型输出i love pears pears ‘EOS’，这对于模型来说没什么好学的呀，我直接把你输入的句子去掉‘BOS’，然后再结尾加上‘EOS’不就可以了。这不就相当于平时开卷做作业抄答案回回满分，一到真正的闭卷考试就考不好了。因此，为了让模型再预测当前单词的输出不提前看到后面的”答案“。我们需要加上因果mask，把当前时刻的词后面的语句给掩盖掉，从而让模型不是通过去抄答案获得最终的输出。
三、推理过程
在训练的时候，模型解码器的输入和输出都是一整个句子，通过对输入的句子加入因果mask实现并行训练。那如果已经训练好了一个Transformer模型，使用它做机器翻译推理的时候，我们只有编码器的输入，那么解码器的输入输出是什么呢？
encoder输入：
我爱吃梨 (Transformer编码器只需要编码一次就可以)
解码器推理次数 decoder输入： decoder输出： 1 ‘BOS’ i 2 ‘BOS’ i i love 3 ‘BOS’ i love i love eatting 4 ‘BOS’ i love eatting i love eatting pears 5 ‘BOS’ i love eatting pears i love eatting pears ‘EOS’
通过上面的例子可以看出，在推理过程中transformer的输出采用的是自回归的方式，即将transformer解码器的输出当作输入然后重新去做推理，然后得到下一个输出，直到输出’EOS’。在推理时，会先给解码器一个’BOS’的字作为第一个输入，然后开始自回归输出。这也就是为什么训练时要在输入中加入’BOS’。
注意：由于Transformer结构的特点，其解码器编码器的输入维度和输出维度相同，所以在推理的时候，解码器输入几个字，其就输出几个字，且输出的字都是你提前定义的词表中的字。