//这里为什么有两个output？？什么意思？已经完全看不懂了。。
Transformer使用栈式自注意力机制，编码器和解码器的逐点完全连接层。
https://www.jianshu.com/p/e7d8caa13b21，这篇有讲到，Encoder的输出可以变换为注意力矩阵K和V，然后在解码的时候当然也要输入之前的输出？
但是比如说下面是用来翻译的，previous outputs那个I是从哪里来的？我就可能对机器翻译这个整个的过程都不懂啊！
下面的过程就是说，decoder的时候这个I am ... 什么的怎么就出来了？？？从哪里来的？
怎么产生预测的下一个单词的output呢？
反正我还是看不太懂它的整个过程。我还是慢慢来看懂吧。
在bert中需要输入的三个参数为，input id，padding，segment，第一个就是序列token，第二个1表示有单词，0表示是pad补齐的， segment表示是a句还是b句。
其实这上面三个是没有看到位置编码出现在哪里的，应该是在forward的时候处理的，需要看源码实现。
https://zhuanlan.zhihu.com/p/48508221
可以看到，嵌入向量和位置编码连接concat形成了最终的有 时间信号的嵌入。公式是这样的：
其中i是单词维度，dmodel是位置编码的维度，pos是单词的位置。那我就很迷惑了，针对一个单词它获取到的不就是一个标量值吗？何来位置向量呢？
《Attention is all you need》论文学习
原文：https://www.cnblogs.com/BlueBlueSea/p/12989866.html