1.seq2seq
一般在我们序列模型当中，都会分为encoder和decoder两个部分，如下图所示：
而我们的transformer变形金刚其实相当于是一种对我们seq2seq的一种升级版本，也就是在seq2seq上加上了self-attention，也就变成了我们的transformer，我们可以看到transformer的结构如下所示：
在上面这张图当中，左边的就是我们的的encoder，而右边则是我们的decoder。只是这个encoder和decoder都特别的大哈哈哈
2.Encoder的架构
encoder的架构总体来说是这样的，我们输入一排向量，然后相应的，会输出一排向量。而在我们的输入和输出之间，输入最先经过的层是一个self-attention层。
对于上图当中的第一个蓝色向量而言，首先会经过self-attention层，得到一个向量a，然后这个向量a再和之前原来初始的向量，我们成称为向量b，进行相加。得到新的向量a+b，十分类似于残差神经网络当中的一个short-cut，也就是进行一个skip connection，进行一个跳级连接。之后再进行一个layer normilization。
而这个layer normalization是什么意思呢？
也就是将我们这个layer当中所有的数值做一个正太化的处理，也就是使用公式(x-mean)/standard deviation ，就可以得到一个新的数值了。这样所有的数值也会投射到0-1的一个范围内。
做了这样的处理之后，我们看这张图的最右边，我们拿到这个normalize之后的向量c，经过一个全连接神经网络得到d，d和原来的c又进行shortcut，也就是一个risidual的连接。连接之后，再经过一个layer normilization层，这样就得到最后我们transformer encoder的一个对某一个向量的输出。
2.Decoder
如果我们把下面这张图，也就是decoder的中间，将其遮住，那么我们就可以发现其实encoder和decoder的结构几乎是一样的，如下所示：
我们除了在最下方的一个attenton机制，这里加入的是masked multi head attention,而非普通的multi-head attention.
masked attention和我们普通self attention不同的地方也就是后面一个向量的输出只会考虑到前面向量的输入，而不会考虑到后面的的输入。这个其实是和RNN的道理是相似的，也很有道理。因为我们的self-attention是考虑到的整个input的输入。
然后我们的encoder是如何和decoder进行连接的呢？我们的encoder的资讯最后是传递到了decoder的中间的multihead attention进行了一个这样的连接。同时，decoder中间的multihead
attention和自己的输入，从masked multi head attention也进行了一个连接。因此我们的decoder中间层拥有了encoder传递过来的两个信息，以及masked multi head attention传递过来的一个信息，最终进行我们的训练。局部的流程图如下图所示：
整体的流程图如下所示：
这就是tranformer的原理啦，希望大家看了之后有所收获！如有不足，也请大家多多指正！