Transformer核心组件功能对照表
| 模块名称 | 所属位置 | 核心功能 | 关键作用 |
|---|---|---|---|
| Input Embedding | 输入侧前置 | 将离散的输入词（如英文单词）映射为固定维度的向量。 | 把人类可理解的文字转化为模型能处理的数值化语义表示。 |
| Output Embedding | 输出侧前置 | 将已生成的目标词（如已翻译的中文词）映射为向量，通常与Input Embedding共享权重。 | 保证输入、输出的语义空间一致，减少参数数量，提升语义对齐效果。 |
| Positional Encoding | 输入/输出侧前置 | 通过三角函数或可学习参数，为词向量加入位置信息。 | 弥补Transformer无循环结构的缺陷，让模型捕捉序列的顺序依赖（如“我吃饭”和“饭吃我”的区别）。 |
| Multi-Head Attention（自注意力） | 编码器内部第一层 | 并行计算多个注意力头，让每个位置关注输入序列的所有位置。 | 捕捉输入序列内部的全局语义依赖（如长句中“主语”和“宾语”的关联）。 |
| Add & Norm | 编码器/解码器子层后 | 先做残差连接（子层输入+子层输出），再做层归一化。 | 缓解梯度消失问题，稳定训练过程，加速模型收敛。 |
| Feed Forward | 编码器/解码器内部第二层 | 对每个位置的向量做独立的非线性变换（通常是两层全连接+ReLU）。 | 增强模型的特征表达能力，捕捉更复杂的语义模式。 |
| Masked Multi-Head Attention（掩码自注意力） | 解码器内部第一层 | 与自注意力类似，但会遮挡未来位置的信息（生成第3个词时，只能看前2个词）。 | 保证生成的自回归性，避免模型“偷看”未来信息，符合人类逐词生成的逻辑。 |
| Encoder-Decoder Attention（编解码注意力） | 解码器内部第二层 | 以编码器输出为Key/Value，解码器当前状态为Query，计算注意力。 | 实现输入与输出的语义对齐（如翻译时“英文单词”与“中文单词”的对应），让生成的内容更贴合输入语义。 |
| Linear（线性层） | 输出层 | 将解码器的输出向量映射到整个目标词表的维度。 | 将特征向量转化为词表概率分布的对数形式。 |
| Softmax | 输出层 | 将线性层的输出转为0-1之间的概率分布。 | 得到每个词的生成概率，选择概率最高的词作为下一个生成结果。 |
)
