2017 年，Google大腦團隊在其論文《Attention Is All You Need》中創造性的提出Transformer 這一架構，自此這一研究一路開掛，成為當今NLP 領域最受歡迎的模型之一，被廣泛應用於各種語言任務，並取得了許多SOTA 結果。
不僅如此，在NLP 領域一路領先的Transformer，迅速席捲電腦視覺（CV）、語音辨識等領域，在影像分類、目標偵測、語音辨識等任務上取得良好的效果。
#論文網址：https://arxiv.org/pdf/1706.03762 .pdf
從推出至今，Transformer 已成為眾多模型的核心模組，例如大家熟悉的BERT、T5 等都有Transformer 的身影。就連近段時間爆紅的 ChatGPT 也依賴 Transformer，而後者早已被Google申請了專利。
#圖表來源：https://patentimages.storage.googleapis.com /05/e8/f1/cd8eed389b7687/US10452978.pdf
此外OpenAI 發布的系列模型GPT（Generative Pre-trained Transformer），名字中帶有Transformer，可見Transformer是GPT 系列模型的核心。
與此同時，最近OpenAI 聯合創始人Ilya Stutskever 在談到Transformer 時表示，當Transformer 剛發布之初，實際上是論文放出來的第二天，他們就迫不及待的將先前的研究切換到Transformer ，後續有了GPT。可見 Transformer 的重要性不言而喻。
6 年時間，基於 Transformer 建構的模型不斷發展壯大。然而現在，有人發現了 Transformer 原始論文中的錯誤。
發現錯誤的是一位知名機器學習與AI 研究者、新創公司Lightning AI 的首席AI 教育家Sebastian Raschka。他指出，原始 Transformer 論文中的架構圖有誤，將層歸一化（LN）放置在了殘差塊之間，而這與程式碼不一致。
#Transformer 架構圖如下左，圖右為Post-LN Transformer 層（出自論文《On Layer Normalization in the Transformer Architecture》［1］）。
不一致的程式碼部分如下，其中 82 行寫了執行順序「layer_postprocess_sequence＝"dan"」，表示後處理依序執行 dropout、residual_add 和 layer_norm。如果上圖左中的 add&norm 理解為：add 在 norm 上面，即先 norm 再 add，那確實代碼和圖不一致。
程式碼位址：
#https://github.com/tensorflow/tensor2tensor/commit/ f5c9b17e617ea9179b7d84d36b1e8162cb369f25#diff-76e2b94ef16871bdbf46bf04dfe7f1477bafb884748f08197c#8 ，論文《On Layer Normalization in the Transformer Architecture》認為Pre-LN 表現較好，能夠解決梯度問題。這是很多或大多數架構在實踐中所採用的，但它可能導致表示崩潰。
當層歸一化在註意力和全連接層之前被放置在殘差連接之中時，能夠實現更好的梯度。
因此，雖然關於Post-LN 或Pre-LN 的爭論仍在繼續，但另一篇論文結合了這兩點，即《ResiDual: Transformer with Dual Residual Connections》［2］。
對於 Sebastian 的這項發現，有人認為，我們經常會遇到與程式碼或結果不一致的論文。大多數是無心之過，但有時令人感到奇怪。考慮到 Transformer 論文的流行程度，這個不一致問題早就該被提及 1000 次。
Sebastian 回答稱，公平地講，「最最原始」的程式碼確實與架構圖一致，但 2017 年提交的程式碼版本進行了修改，同時沒有更新架構圖。所以，這實在令人困惑。
#正如一位網友所說，「讀程式碼最糟糕的是，你會經常發現這樣的小變化，而你不知道是有意還是無意。你甚至無法測試它，因為你沒有足夠的算力來訓練模型。」
##不知谷歌之後會更新程式碼還是架構圖，我們拭目以待！
以上是圖與程式碼不一致，Transformer論文被發現錯誤，網友：早該被指出1000次的詳細內容。更多資訊請關注PHP中文網其他相關文章！
