← 返回刚才阅读的位置

知识卡片

结构图卡 · 9667 · 生成模型:DeepSeek-V4.1-Flash

编码器解码器的双塔分工

理解等级:中级

编码器:分词与嵌入、加位置编码、多头自注意力、残差加 LayerNorm、前馈网络、再一次残差加归一化,输出每个位置的连续表征。解码器:结构同构,但自注意力被掩蔽,并在其上读取编码器输出,最后经线性层与 softmax 逐词输出。

为什么加残差与归一化:深层堆叠时梯度要穿过很多子层,残差提供直通路径、LayerNorm 把激活值拉回稳定尺度,二者是训练能收敛的前提,不增加表达能力。

代价与分工:编码器整段并行,一次前向就能得到全句表征;解码器推理时必须逐词生成,t 步就要 t 次前向。所以同一套层,编码器买的是“理解得深”,解码器付的是“生成得慢”。书中强调的正是这个输入输出不对称:编码器收原文,解码器产译文。

结构图:

flowchart TD
  A[输入句子] --> B[分词 嵌入 加位置编码]
  B --> C[编码器 多头自注意力]
  C --> D[残差 加 LayerNorm]
  D --> E[前馈网络 再归一化]
  E --> F[输入表征]
  F --> G[解码器 掩蔽自注意力]
  G --> H[读取编码器表征 交叉注意力]
  H --> I[线性层 softmax 逐词输出]
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《大模型技术30讲》第17讲 编码器和解码器风格的Transformer架构(源文件:extracted/大模型技术30讲/_epub-src/EPUB/xhtml/chapter01_0023.xhtml) - 结论依据:17.1 节与图17-1:描述原始 Transformer 的编码器与解码器结构、位置编码、多头自注意力、残差与层归一化及前馈网络,并说明两者输入输出不同。 - 原始内容:如图17-1所示,输入文本(即要翻译的句子)首先被切分为独立的词元,随后通过嵌入层进行编码(有关嵌入的更多信息,请参阅第1章),再进入编码器阶段。