Как в трансформерах учитывается позиция слов

В трансформерах позиция слов учитывается с помощью позиционных энкодингов (positional encodings). Это векторы фиксированной размерности, которые добавляются к эмбеддингам слов перед подачей в модель. Они используют синусоидальные функции разной частоты, чтобы кодировать позицию токена в последовательности.

Пример кода для генерации позиционных энкодингов в PyTorch:

import torch
import math

def positional_encoding(max_len, d_model):
    pe = torch.zeros(max_len, d_model)
    position = torch.arange(0, max_len).unsqueeze(1)
    div_term = torch.exp(torch.arange(0, d_model, 2) * -(math.log(10000.0) / d_model))
    pe[:, 0::2] = torch.sin(position * div_term)
    pe[:, 1::2] = torch.cos(position * div_term)
    return pe

Ключевые особенности:

1. Синусоидальные функции позволяют модели обобщать на последовательности длиннее, чем в обучающих данных
2. Каждая позиция получает уникальное кодирование
3. Относительные позиции также могут быть выведены через линейные преобразования