上一篇博文重点介绍了Transformer的核心组件MultiHeadAttention多头注意力机制，本篇继续介绍transformer的原理。下图为transformer的结构图，其主要由位置编码、多组编码器和多组解码器。以下将重点介绍三个部分。
1. 位置编码 Positional Encoding
Attention存在的一个问题是没有保留序列中各词的位置信息，或者说序列中各词间调换顺序后，对于最终输出几乎没有影响，因此必须要将位置编码作为Attention的输入部分，在Transformer中给出位置编码方法，是在原有词向量上叠加位置编码向量：
上式用于计算位置编码向量，pos表示词在序列中的位置[1,2,3,4...]，i表示位置编码向量中位置，下图的纵轴表示位置从0~19下的512维位置编码向量，该位置编码向量会同输入embeding向量叠加作为attention的输入。
2. 编码器
编码器组件中，经过多头注意力模块后，还有两个残差和layerNorm操作，这两个模块是用于提升模型收敛的常见举措，此外在Attention中在用点积来计算query、key间的相似度得分时，要求都必须满足零均值和单位方差，因此LayerNorm也起到了保证作用。
另一个组件是前向网络Position-wise Feed-Forward Networks，其实际上是两层的全连接网络：
但不同之处其是Position-wise，意思是针对于序列中各词向量单独经过两层全连接网络，因此序列中各位置的词向量是共有一个前向网络，所以FFN网络本质上是增加词向量本身表达，还不是学习词向量间相关信息，这部分是由Attention来完成的。
3. 解码器
解码器同编码器唯一的不同之处，在于其多了一组自注意力组件，下图描述了解码器的两组自注意力组件的输入，其中第一组自注意力组件的query是前一词，其key和values是当前已经产出的词序列，其主要用于建立输出序列本身的关系，其输出在第二组注意力组件中，同编码器的输出建立了关系，整体的结构同RNN有相仿的地方。
4. 应用
Transformer主要是用于序列转换，比如机器翻译、文本生成、生成对话等等，一些情感分析等序列分类任务可以通过应用Encoder模块+线性层来完成。此外，近年来一些图像处理领域也有大量工作是基于Transformer的结构的，比如这篇论文中将Transformer应用于图像分类，其原理是将图片划分为16x16的patch，然后将patch转换为向量，然后带上位置编码特征进入transformer的Encoder层，经过多层encoder后，最后通过一个线性层得到分类估计。
