AI說書 - 從0開始 - 66

我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

• Transformer 架構總覽：AI說書 - 從0開始 - 39
• Attention 意圖說明：AI說書 - 從0開始 - 40
• Transformer 內的 Encoder 架構總覽：AI說書 - 從0開始 - 41
• Input Embedding 意圖說明：AI說書 - 從0開始 - 42
• Embedding 訓練方式：AI說書 - 從0開始 - 43
• Embedding 結果呈現：AI說書 - 從0開始 - 44
• Positional Encoding 功能介紹：AI說書 - 從0開始 - 45
• Positional Encoding 畫圖感受：AI說書 - 從0開始 - 46
• Positional Encoding 實際計算：AI說書 - 從0開始 - 47
• Embedding 與 Positional Encoding 的相似度比較：AI說書 - 從0開始 - 48
• Embedding 與 Positional Encoding 的合成方式：AI說書 - 從0開始 - 49
• Embedding 與 Positional Encoding 的合成前後討論：AI說書 - 從0開始 - 50
• Multi-Head Attention 意圖說明：AI說書 - 從0開始 - 51
• Single-Head Attention 數學說明：AI說書 - 從0開始 - 52
• Multi-Head Attention 數學說明：AI說書 - 從0開始 - 53
• Attention 機制程式說明 - 輸入端：AI說書 - 從0開始 - 53
• Attention 機制程式說明 - Query 端：AI說書 - 從0開始 - 54
• Attention 機制程式說明 - Key 端：AI說書 - 從0開始 - 54
• Attention 機制程式說明 - Value 端：AI說書 - 從0開始 - 55
• Attention 機制程式說明 - Query 、 Key 、 Value 結果：AI說書 - 從0開始 - 56
• Attention 機制程式說明 - Attention Score 計算：AI說書 - 從0開始 - 57
• Attention 機制程式說明 - Attention Score 正規化計算：AI說書 - 從0開始 - 58
• Attention 機制程式說明 - 輸出結果計算：AI說書 - 從0開始 - 59
• Attention 機制程式說明 - 輸出結果呈現：AI說書 - 從0開始 - 60
• Attention 機制程式說明 - 總整理：AI說書 - 從0開始 - 61
• Attention 例子回歸 Google 原始模型的提點：AI說書 - 從0開始 - 62
• Single-Head 過度到 Multi-Head Attention 程式手法：AI說書 - 從0開始 - 63
• Add & Layer Normalization 說明：AI說書 - 從0開始 - 64
• Feedforward 說明：AI說書 - 從0開始 - 65

至此講完 Transformer 的 Encoder 部分，而 Decoder 架構如下：

• 原始 Google 的 Transformer 論文中，其於 Decoder 內，一樣配置 N = 6
• 一個 Decoder Layer 中，包含三個 Sublayer ，其分別為：

1. 1. Multi-Headed Masked Attention Mechanism
   2. Multi-Headed Attention Mechanism
   3. Fully Connected Position-Wise Feedforward Network