Kodowanie pozycyjne

term_id: positional_encoding

Category: basic_concepts

Definition

Ponieważ transformatory przetwarzają wszystkie tokeny równolegle, a nie sekwencyjnie jak sieci RNN, brakuje im wbudowanej wiedzy o kolejności tokenów. Kodowanie pozycyjne dodaje specyficzne wektory do osadzonych wejść (embeddings), aby nadać modelowi informację o porządku elementów w sekwencji.

Summary

Technika wstrzykiwania informacji o względnej lub bezwzględnej pozycji tokenów w sekwencji do modeli transformera.

Key Concepts

  • Kolejność sekwencji
  • Mechanizm samo-uwagi (Self-Attention)
  • Funkcje sinusoidalne
  • Osadzenia tokenów (Token Embeddings)

Use Cases

  • Tłumaczenie maszynowe
  • Podsumowywanie tekstu
  • Modelowanie językowe

Code Example

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)

Powiązane