前言

深度学习近年来在自然语言处理、计算机视觉等领域取得了巨大成功，而 Transformer 模型无疑是其中的明星架构。自注意力和位置编码作为 Transformer 的两大核心组件，不仅赋予了模型强大的序列建模能力，还推动了 BERT、GPT 等模型的广泛应用。然而，理解这些概念的理论公式往往令人望而生畏，直接从代码入手则能让学习过程更加直观和有趣。

在这篇博客中，我们将基于 PyTorch，通过分析提供的代码文件（utils_for_huitu.py、MultiHeadAttention.py 以及一个 Jupyter 笔记本），深入探讨自注意力机制和位置编码的实现细节。从多头注意力的矩阵运算到位置编码的正弦余弦设计，我们将一步步拆解代码，揭示 Transformer 的工作原理。同时，通过可视化工具，我们将直观展示这些机制的内部表示，帮助读者建立对深度学习模型的感性认知。

无论你是深度学习初学者，还是希望通过代码加深对 Transformer 理解的开发者，这篇文章都将为你提供一个清晰的学习路径。让我们一起从代码中发现深度学习的魅力吧！

完整代码:下载链接

一、自注意力：Transformer 的核心

自注意力机制（Self-Attention）是 Transformer 模型的基础，它允许模型在处理序列数据时动态地关注输入序列的不同部分。这种机制在自然语言处理任务（如 BERT、GPT）中表现尤为出色。让我们从代码入手，探索自注意力机制的具体实现。

1.1 多头注意力机制的实现

MultiHeadAttention.py 文件中的 MultiHeadAttention 类实现了多头注意力机制，通过并行计算多个注意力头来增强模型的表达能力。以下是代码的核心部分：

import math
import torch
from torch import nn
import torch.nn.functional as F

class MultiHeadAttention(nn.Module):
    """多头注意力机制"""
    def __init__(self, key_size, query_size, value_size, num_hiddens,
                 num_heads, dropout, bias=False, **kwargs):
        super(MultiHeadAttention, self).__init__(**kwargs)
        self.num_heads = num_heads
        self.attention = DotProductAttention(dropout)
        self.W_q = nn.Linear(query_size, num_hiddens, bias=bias)
        self.W_k = nn.Linear(key_size, num_hiddens, bias=bias)
        self.W_v = nn.Linear(value_size, num_hiddens, bias=bias)
        self.W_o = nn.Linear(num_hiddens, num_hiddens, bias=bias)

    def forward(self, queries, keys, values, valid_lens):
        queries = transpose_qkv(self.W_q(queries), self.num_heads)
        keys = transpose_qkv(self.W_k(keys), self.num_heads)
        values = transpose_qkv(self.W_v(values), self.num_heads)
        if valid_lens is not None:
            valid_lens = torch.repeat_interleave(
                valid_lens, repeats=self.num_heads, dim=0)
        output = self.attention(queries, keys, values, valid_lens)
        output_concat = transpose_output(output, self.num_heads)
        return self.W_o(output_concat)

代码解析：

• 初始化