文档摘要

2.3 位置编码 本节摘要：位置编码（Positional Encoding）解决自注意力的顺序盲区——打分只看向量内容不看位置，"狗咬人"与"人咬狗"在注意力眼中无差别。Transformer 原论文的方案是用不同频率的正弦与余弦函数为每个位置生成一个固定向量，直接加到词嵌入上，使表示同时携带语义与位置信息；三角恒等式的性质还让模型能线性表达相对位置。 会员。《2.3 位置编码》收录于灏天文库文集《Transformer 模型详解：NLP领域的革新者》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/466-transformer-%E6%A8%A1%E5%9E%8B%E8%AF%A6%E8%A7%A3nlp%E9%A2%86%E5%9F%9F%E7%9A%84%E9%9D%A9%E6%96%B0%E8%80%85

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流