transformer：

相比 可以并行化

RNN【时序网络】：记忆长度比较短。

transformer：记忆长度无限长

self-attention结构：

核心：Attention的公式《矩阵相乘的公式》——并行化

x通过embedding生成a

q代表query，后续会去和每一个k 进行匹配
k 代表key，后续会被每个q 匹配
v 代表从a 中提取得到的信息
后续q和k 匹配的过程可以理解成计算两者的相关性，相关性越大对应v 的权重也就越大

之后利用attention公式match QK 【d：k的dimension】，

首先使用embedding层：

embedding层是全连接层的一个特例。设输入向量为x，全连接层的权重参数矩阵为W，则该层的输出向量为y=Wx；只是在embedding层中，x为one-hot向量，例如：[0,1,0,0,0]，则线性变换就退化成了一个查表操作。

self-attention理论：

点乘生成a11 a12 再利用softmax生成a^11 a^12 以及后面的变量。【各个V的权重】【多线程】

利用softmax获得与k最匹配的q

第二步：

前面的乘上V获得bi【多线程】[qk 相当于v的权重大小]

Multi Head self-attention结构：

结构展示：

multi:简单的是将q1转换为q11,q12【简单均分/线性映射】

之后对每个head使用和Self-Attention中相同的方法即可得到对应的结果：

进行划分 类似于分组 获得bij 在进行拼接【头相同、第一个数字相同的进行拼接】

最后进行融合 得到最终结果b1 b2 【类似于组卷积】

位置编码：

问题：输入交换 结果交换

 确定输入和输出的位置。

Vision TransFormer

1.首先分成图像patches 再用embedding层转化为token +classtoken +位置token

2.需要预训练训练参数 否则效果不好

1.Embedding层：

图像利用卷积 14*14块 再展平 196*768

之后获得 class的token 

再将两者相加

2.使用位置编码可以提高3%准确率【0-9】 且各类位置编码精度提高差不多 故使用1D位置编码

MLP层用于分类的层结构

位置编码余弦相似度：

Transformer Encoder：

【类似于组卷积】

2.MLP Head层

MLP Head是全连接或者fc+tanh+linear

整体结构：

code:

1.embedding:

        self.proj = nn.Conv2d(in_c, embed_dim, kernel_size=patch_size, stride=patch_size)
        self.norm = norm_layer(embed_dim) if norm_layer else nn.Identity()
        # flatten: [B, C, H, W] -> [B, C, HW]
        # transpose: [B, C, HW] -> [B, HW, C]
        x = self.proj(x).flatten(2).transpose(1, 2)
        x = self.norm(x)

2.self-attention模块

3.MLP

4.encoder block

5.ViTrans

其他结构：

swinTrans:

1.与vitrans区别：

1.4 8 16三种下采样

2.使用窗口

主要结构：

类似resnet下采样。

每次下采样中channel翻倍

重复偶数次swintransblock  因为两个匹配使用。

patchpartion：

调整通道

patch Mearging: