Трансформер (модель машинного обучения): различия между версиями
w>G2ii2g (отклонено последнее 1 изменение от 94.75.104.34: нет дублирования) |
w>InternetArchiveBot (Спасено источников — 3, отмечено мёртвыми — 0. Сообщить об ошибке. См. FAQ.) #IABot (v2.0.9.5) |
||
| Строка 25: | Строка 25: | ||
Трансформеры используются в [[Яндекс.Переводчик]]е<ref>{{cite web | Трансформеры используются в [[Яндекс.Переводчик]]е<ref>{{cite web | ||
| − | |author | + | |author = Семен Козлов |
| − | |url | + | |url = https://habr.com/ru/post/341240/ |
| − | |title | + | |title = Transformer — новая архитектура нейросетей для работы с последовательностями |
| − | |lang | + | |lang = ru |
| − | |website | + | |website = |
| − | |publisher | + | |publisher = [[Хабр]] |
| − | |date | + | |date = 2017-10-30 |
| − | |accessdate | + | |accessdate = 2020-11-03 |
| + | |archive-date = 2020-09-13 | ||
| + | |archive-url = https://web.archive.org/web/20200913212109/https://habr.com/ru/post/341240/ | ||
| + | |url-status = live | ||
}}</ref>, [[Яндекс.Новости|Яндекс.Новостях]]<ref>{{cite web | }}</ref>, [[Яндекс.Новости|Яндекс.Новостях]]<ref>{{cite web | ||
| − | |author | + | |author = Тимур Гаскаров |
| − | |url | + | |url = https://habr.com/ru/company/yandex/blog/479662/ |
| − | |title | + | |title = Как Яндекс научил искусственный интеллект находить ошибки в новостях |
| − | |lang | + | |lang = ru |
| − | |website | + | |website = |
| − | |publisher | + | |publisher = [[Хабр]] |
| − | |date | + | |date = 2019-12-12 |
| − | |accessdate | + | |accessdate = 2020-11-03 |
| + | |archive-date = 2020-12-01 | ||
| + | |archive-url = https://web.archive.org/web/20201201120648/https://habr.com/ru/company/yandex/blog/479662/ | ||
| + | |url-status = live | ||
}}</ref>, [[Google Переводчик]]е<ref>{{cite web | }}</ref>, [[Google Переводчик]]е<ref>{{cite web | ||
| − | |author | + | |author = Isaac Caswell, Bowen Liang |
| − | |url | + | |url = https://ai.googleblog.com/2020/06/recent-advances-in-google-translate.html |
| − | |title | + | |title = Recent Advances in Google Translate |
| − | |lang | + | |lang = en |
| − | |website | + | |website = |
| − | |publisher | + | |publisher = Google AI Blog |
| − | |date | + | |date = 2020-06-08 |
| − | |accessdate = 2020-11- | + | |accessdate = 2020-11-03 |
| + | |archive-date = 2020-11-02 | ||
| + | |archive-url = https://web.archive.org/web/20201102113452/https://ai.googleblog.com/2020/06/recent-advances-in-google-translate.html | ||
| + | |url-status = live | ||
}}</ref>, [[GPT-3]]. | }}</ref>, [[GPT-3]]. | ||
Версия от 23:19, 13 декабря 2023
Трансфо́рмер (англ. Transformer) — архитектура глубоких нейронных сетей, представленная в 2017 году исследователями из Google Brain[1].
По аналогии с рекуррентными нейронными сетями (РНС) трансформеры предназначены для обработки последовательностей, таких как текст на естественном языке, и решения таких задач как машинный перевод и автоматическое реферирование. В отличие от РНС, трансформеры не требуют обработки последовательностей по порядку. Например, если входные данные — это текст, то трансформеру не требуется обрабатывать конец текста после обработки его начала. Благодаря этому трансформеры распараллеливаются легче чем РНС и могут быть быстрее обучены[1].
Архитектура сети
Архитектура трансформера состоит из кодировщика и декодировщика. Кодировщик получает на вход векторизованую последовательность с позиционной информацией. Декодировщик получает на вход часть этой последовательности и выход кодировщика. Кодировщик и декодировщик состоят из слоев. Слои кодировщика последовательно передают результат следующему слою в качестве его входа. Слои декодировщика последовательно передают результат следующему слою вместе с результатом кодировщика в качестве его входа.
Каждый кодировщик состоит из механизма самовнимания (вход из предыдущего слоя) и нейронной сети с прямой связью (вход из механизма самовнимания). Каждый декодировщик состоит из механизма самовнимания (вход из предыдущего слоя), механизма внимания к результатам кодирования (вход из механизма самовнимания и кодировщика) и нейронной сети с прямой связью (вход из механизма внимания).
Трансформер
Кодирующий слой
Декодирующий слой
Внимание на основе скалярного произведения
Каждый механизм внимания параметризован матрицами весов запросов , весов ключей , весов значений . Для вычисления внимания входного вектора к вектору , вычисляются вектора , , . Эти вектора используются для вычисления результата внимания по формуле:
Использование
Трансформеры используются в Яндекс.Переводчике[2], Яндекс.Новостях[3], Google Переводчике[4], GPT-3.
Примечания
- ↑ 1,0 1,1 Ошибка Lua в Модуль:Sources на строке 1705: attempt to index field 'wikibase' (a nil value).
- ↑ Семен Козлов. Transformer — новая архитектура нейросетей для работы с последовательностями. Хабр (30 октября 2017). Дата обращения: 3 ноября 2020. Архивировано 13 сентября 2020 года.
- ↑ Тимур Гаскаров. Как Яндекс научил искусственный интеллект находить ошибки в новостях. Хабр (12 декабря 2019). Дата обращения: 3 ноября 2020. Архивировано 1 декабря 2020 года.
- ↑ Isaac Caswell, Bowen Liang. Recent Advances in Google Translate (англ.). Google AI Blog (8 июня 2020). Дата обращения: 3 ноября 2020. Архивировано 2 ноября 2020 года.