胡乱写的！！！！！！
目录
二、Decoder – Autoregressive (AT)
三、Decoder – Non-autoregressive (NAT)
一、初探Encoder-Decoder
一般的seq2seq’s model分成2块——Encoder和Decoder
?
?input一个sequence有Encoder，负责处理这个sequence，再把处理好的结果丢给Decoder
?由Decoder决定，它要输出什么样的sequence
1.Encoder
?
?
?
?
?
注意：
batch normalization是对不同example，不同feature的同一个dimension，去计算mean跟standard deviation。
但layer normalization，它是对同一个feature，同一个example里面不同的dimension去计算mean跟standard deviation。
?
?
2.回到transformer的图
首先 你有self-attention，其实在input的地方，还有加上positional encoding（如果你只光用self-attention,你没有位置的资讯）
Multi-Head Attention,这个就是self-attention的block，用到多头注意力机制
Add&norm,就是residual加layer normalization
接下来,要过feed forward network
fc的feed forward network以后再做一次Add&norm,再做一次residual加layer norm，才是一个block的输出,
然后这个block会重复n次，这个复杂的block，其实在之后会讲到的一个非常重要的模型BERT，它其实就是transformer的encoder
二、Decoder – Autoregressive (AT)
?
?
?
?
?
1、Decoder内部结构
?
1）带Masked的MHA
?
?
?
?
?
?
?
三、Decoder – Non-autoregressive (NAT)
?
?
?
四、Encoder-Decoder
?
?
?
?
五、Training
?
六、训练的Tips
?
?
?
?