title :Attention Is All you need
1 abstract ：说明了transformer不同于CNN 和RNN,transfomer只使用了注意力机制，就完成了seq-seq任务，并且取得不错的效果。
2.结论是相比于RNN等传统的循环神经网络网络模型，可以更好的实现并行，并且在翻译质量上更好
主要的模型结构是
?
?文中所有图片均来自根据paperhttps://arxiv.org/abs/1706.03762
?根据论文中的结构，可分为两个部分左边为encoder，右边为decoder,部分，这里解释一下为什么会有两个output，因为本任务为seq-seq的翻译任务，在训练过程中会有两种语言，但是由于它有属于生成式任务，在预测下文的时候，不能够使其知道该时刻之后的信息，所以采用了mask策略，使其只能根据当前时刻之前的信息进行预测。
Encoder部分：左边的方框表示一个block, block当中分为上下两层结构，下面这层为多头注意力机制，
多头注意力机制
?self-attention：self-attention通过QKV，三个矩阵来进行计算，通过Q与K的点乘，经过softmax之后与V相乘得到想要的向量表示。
这里解释一下根号dk，如果维度的长度过大的时候，会导致特征之间的差异会变大， 使其在softmax函数的结果更靠近1，导致差异过大
?
?
多头注意力机制借助了分组卷积的思想，将注意力机制进行分组最后进行组合。
为什么要这吗做呢 ？
因为如果只使用单头的self-attention会导致模型没有什么参数可以学，通过多头注意力
?模型就可以学到Wq,Wk,Wv等模型参数。
mask的作用
在decoder的生成任务中，在一般的注意力机制的情况下，attention机制是可以看到全文的，但是在decoderd 生成任务中，为了保证ht时刻不到下一个时刻的信息，采用mask将其遮蔽，使其只能看到当前时刻之前的信息。
