在上一章中回顾了循环架构后，我们现在来看 Transformer 模型。循环模型逐个处理序列中的标记 (token)，这对并行计算以及建立长距离关联构成了难题。Transformer 架构通过完全用注意力机制 (attention mechanism)替代循环结构，解决了这些局限。

本章将讲解 Transformer 的结构。你会了解到：

• 缩放点积注意力机制，它是使用查询、键和值（$Q$、$K$、$V$）的核心组成部分。
• 多头注意力 (multi-head attention)如何让模型能够同时关注来自不同表示子空间的信息。
• 引入序列顺序的方法，即使用位置编码 (positional encoding)，因为自注意力 (self-attention)本身具有排列不变性。
• 编码器和解码器堆叠的结构，它由注意力层和前馈层构成。
• 层归一化 (normalization)和残差连接在稳定深度网络训练中的作用。

本章结束后，你将了解使 Transformer 在序列建模任务中有效运作的基本组成部分。