Positional Encoding

term_id: positional_encoding

Category: basic_concepts

Definition

Da transformer-modeller behandler alle tokens parallelt i stedet for sekventielt som RNN’er, mangler de en iboende viden om token-rækkefølgen. Positional encoding tilføjer specifikke vektorer til input-embeddings for at bevare rækkefølgeinformationen.

Summary

En teknik, der indsprøjter oplysninger om de relative eller absolutte positioner af tokens i en sekvens ind i transformer-modeller.

Key Concepts

  • Sekvensrækkefølge
  • Selvopmærksomhed (Self-Attention)
  • Sinusoide funktioner
  • Token-embeddings

Use Cases

  • Maskinoversættelse
  • Tekstsammendrag
  • Sprogmodellering

Code Example

1
2
3
4
5
6
7
8
9

import torch
import math
def get_positional_encoding(seq_len, d_model):
    pe = torch.zeros(seq_len, d_model)
    position = torch.arange(0, seq_len, dtype=torch.float).unsqueeze(1)
    div_term = torch.exp(torch.arange(0, d_model, 2).float() * (-math.log(10000.0) / d_model))
    pe[:, 0::2] = torch.sin(position * div_term)
    pe[:, 1::2] = torch.cos(position * div_term)
    return pe.unsqueeze(0)

Related