Позиционное кодирование

term_id: positional_encoding

Category: basic_concepts

Definition

Поскольку трансформеры обрабатывают все токены параллельно, а не последовательно, как рекуррентные нейронные сети (RNN), они лишены встроенного понимания порядка следования токенов. Позиционное кодирование добавляет специфические векторы к входным эмбеддингам, чтобы предоставить модели информацию о позиции каждого токена в последовательности.

Summary

Техника, которая внедряет информацию о относительном или абсолютном положении токенов в последовательность в модели трансформеров.

Key Concepts

  • Порядок последовательности
  • Самовнимание
  • Синусоидальные функции
  • Эмбеддинги токенов

Use Cases

  • Машинный перевод
  • Суммаризация текста
  • Языковое моделирование

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)

Связанные