位置编码

最近在学习位置编码，想找一个讲的比较透彻的文章或视频，找了半天，满意的一个也没有，所以自己记录一下。
注意，本篇笔记只作为自己的学习记录用，更好的讲解的内容请看链接：位置编码

引出

我们首先来理解下什么是位置编码？在Transformer架构中，由于自注意力机制固有的特性，某一个token计算和其他token之间的注意力权重时，是不受距离限制的，也就是说他是一视同仁的，比如，我吃饭了和吃饭了我，这两句话中我这个token的表示是一样的。这个并不符合现实的情况，因为实际情况是我们会考虑距离，一般距离越远，它的重要性就变弱了。所以我们还需要加入有关位置的信息，再来计算注意力分数，更为合理。
那应该怎么表示位置信息呢？transformer中token是按顺序输入的，一种最直观的想法就是我们将第一个token的位置表示为1，第二个的表示为2，一次类推，但是这样表示会有什么问题呢？首先，这个的表示是在一个离散的空间内表示，如果训练是在有限的长度下训练，再扩展到训练以外的长度时性能会大幅下降，也就是外推性很差。另一个原因是，当token数量变得很多的时候，其值会变得非常大。
那有没有更好的方法来表示呢？我们想想，位置编码，我们想让他具备什么性质：

第一个：能够表示绝对的位置信息
第二个，能够表示不同token之间的相对的位置信息