目录
1.介绍
2.Transformer
2.1 引言
2.2 传统RNN网络的问题
2.3 整体架构
2.4 Attention
2.5 Self-Attention如何计算
3.multi-headed机制
4. BERT训练方法
1.介绍
BERT：当前主流的解决框架，一站式搞定NLP任务。（解决一个NLP任务时的考虑方法之一）
BERT：google开源的框架
BERT：自然语言的通用解决框架
必备知识：Word2vec,RNN(了解词向量模型，RNN模型如何建模)
重点：Transformer网络架构
训练方法： BERT训练方法
google开源提供预训练模型，直接使用
2.Transformer
2.1 引言
BERT时基于Transformer框架的，所以了解Tansformer就基本了解BERT。
提出问题：transformer要做一件什么事呢？？
答：就像将自然语言翻译成计算机语言，让其学习。
其基本组成依旧是机器翻译模型中常见的Seq2Seq网络。输入输出都很直观，其核心就是中间的网络架构了。
2.2 传统RNN网络的问题
可以看出这种依次计算的方式，计算效率不高，且后面的计算需要依赖前面的计算结果。
预训练好的词向量就不会改变了，这种对于复杂语境应用不好。所以能不能让其并行计算，提高运算效率，且词向量的构成考虑到上下文的语境呢？？？
答案：self-Attention机制来考虑进行并行计算，输出结果的是同时你算出来的，现在已经基本取代RNN了。
2.3 整体架构
接下来我们将围绕这几个问题来展开对Tansformer的介绍：
1. 输入如何编码？
2.输出结果是什么？
3.Attemtion的目的？
4.怎样组合在一起？
2.4 Attention
对于输入的数据，你的关注点是什么？（不同的数据，关注点不同，比如：一张带背景的人像，关注点是人像而不是背景）
如何才能让计算机关注到这些有价值的信息？
Self-Attention是计算机自己判断。
每个词不能只考虑到自己，在训练的过程中，所有词构成句子，但是每个词分配的权重不同。在编码时，不能只考虑自己，要把上下文都融入，编码成向量。
例如：
it代表的东西不同，怎么让计算机识别出来呢？每个词都要考虑上下文，结合每个词对它的影响来进行编码。
2.5 Self-Attention如何计算
其实，说到底，Self-Attention就是如何编码，提取特征。
1. 通过Embedding随机或者其他什么方式去初始化词向量表，权重矩阵
2. 训练这三个矩阵
得到,
同理得到
当两个向量求内积，若是两个向量垂直表示其线性无关，其值为0，若是两个向量线性相关其值越大表示两个向量相关性越大。那么表示上下文每个词相关性，值越大相关性越大。
为了不让分值随着向量维度增大而增加，让计算难度增大，最终除以
每一个词的Attention计算
softmax后就得到整个加权结果
经过上述一系列分析，Self-Attention解决了并行计算和词向量的构建编码考虑到了上下文语境的问题。
3.multi-headed机制
4. BERT训练方法
transformer中Encoder是重要的，就是编码方式。再将其进行下游任务微调，使其变成分类，预测等类型的任务。是自然语言处理的万金油模板。
