---

Transformer 解码器深度解读 + 代码实战

---

1. 解码器核心作用

Transformer 解码器的核心任务是基于编码器的语义表示逐步生成目标序列（如翻译结果、文本续写）。它通过 掩码自注意力 和 编码器-解码器交叉注意力，实现自回归生成并融合源序列信息。与编码器的核心差异：

• 掩码机制：防止解码时看到未来信息（训练时并行，推理时逐步生成）。
• 交叉注意力：将编码器输出作为 Key/Value，解码器当前状态作为 Query。

---

2. 解码器单层结构详解

每层解码器包含以下模块（附 PyTorch 代码）：

---

2.1 掩码多头自注意力（Masked Multi-Head Self-Attention）

class MaskedMultiHeadAttention(nn.Module):def __init__(self, embed_size, heads):super().__init__()self.embed_size = embed_sizeself.heads = headsself.head_dim = embed_size // heads# 生成 Q/K/V 的线性层self.to_qkv = nn.Linear(embed_size, embed_size * 3)self.scale = self.head_dim ** -0.5  # 缩放因子# 输出线性层self.to_out = nn.Linear(embed_size, embed_size)def forward(self, x, mask=None):batch_size, seq_len, _ = x.shape# 生成 Q/K/V 并分割多头qkv = self.to_qkv(x).chunk(3, dim=-1)q, k, v = map(lambda t: t.view(batch_size, seq_len, self.heads, self.head_dim), qkv)# 计算注意力分数 QK^T / sqrt(d_k)attn = torch.einsum('bhid,bhjd->bhij', q, k) * self.scale# 应用下三角掩码（防止看到未来信息）if mask is not None:attn = attn.masked_fill(mask == 0, -1e10)  # 掩码位置填充极小值else:# 自动生成下三角掩码（训练时使用）causal_mask = torch.tril(torch.ones(seq_len, seq_len)).bool().to(x.device)attn = attn.masked_fill(~causal_mask, -1e10)# Softmax 归一化attn = torch.softmax(attn, dim=-1)# 加权求和out = torch.einsum('bhij,bhjd->bhid', attn, v)out = out.reshape(batch_size, seq_len, self.embed_size)return self.to_out(out)

代码解析：

• causal_mask 生成下三角矩阵（主对角线及以下为1，其余为0），确保解码时仅能看到当前位置及之前的信息。
• 推理时可手动传递掩码，控制生成长度。

---

2.2 编码器-解码器交叉注意力（Cross-Attention）

class CrossAttention(nn.Module):def __init__(self, embed_size, heads):super().__init__()self.embed_size = embed_sizeself.heads = headsself.head_dim = embed_size // heads# 生成 Q 的线性层（解码器输入）self.to_q = nn.Linear(embed_size, embed_size)# 生成 K/V 的线性层（编码器输出）self.to_kv = nn.Linear(embed_size, embed_size * 2)self.scale = self.head_dim ** -0.5self.to_out = nn.Linear(embed_size, embed_size)def forward(self, x, encoder_output, mask=None):batch_size, seq_len, _ = x.shape# 生成 Q 来自解码器输入q = self.to_q(x).view(batch_size, seq_len, self.heads, self.head_dim)# 生成 K/V 来自编码器输出k, v = self.to_kv(encoder_output).chunk(2, dim=-1)k = k.view(batch_size, -1, self.heads, self.head_dim)  # 编码器序列长度可能不同v = v.view(batch_size, -1, self.heads, self.head_dim)# 计算注意力分数 QK^T / sqrt(d_k)attn = torch.einsum('bhid,bhjd->bhij', q, k) * self.scale# 应用掩码（如填充掩码）if mask is not None:attn = attn.masked_fill(mask == 0, -1e10)attn = torch.softmax(attn, dim=-1)out = torch.einsum('bhij,bhjd->bhid', attn, v)out = out.reshape(batch_size, seq_len, self.embed_size)return self.to_out(out)

代码解析：

• Q 来自解码器输入，K/V 来自编码器输出，实现跨序列信息融合。
• 支持自定义掩码（如处理源序列的填充位置）。

---

2.3 解码器单层完整实现

class TransformerDecoderLayer(nn.Module):def __init__(self, embed_size, heads, dropout=0.1):super().__init__()self.masked_attn = MaskedMultiHeadAttention(embed_size, heads)self.cross_attn = CrossAttention(embed_size, heads)self.ffn = FeedForward(embed_size)  # 复用编码器的FFNself.norm1 = nn.LayerNorm(embed_size)self.norm2 = nn.LayerNorm(embed_size)self.norm3 = nn.LayerNorm(embed_size)self.dropout = nn.Dropout(dropout)def forward(self, x, encoder_output, src_mask=None, tgt_mask=None):# 1. 掩码自注意力masked_attn_out = self.masked_attn(x, tgt_mask)x = x + self.dropout(masked_attn_out)x = self.norm1(x)# 2. 交叉注意力（Q来自x，K/V来自encoder_output）cross_attn_out = self.cross_attn(x, encoder_output, src_mask)x = x + self.dropout(cross_attn_out)x = self.norm2(x)# 3. 前馈网络ffn_out = self.ffn(x)x = x + self.dropout(ffn_out)x = self.norm3(x)return x

---

3. 完整解码器实现

class TransformerDecoder(nn.Module):def __init__(self, vocab_size, embed_size, layers, heads, dropout=0.1):super().__init__()self.embedding = nn.Embedding(vocab_size, embed_size)self.pos_encoding = PositionalEncoding(embed_size)self.layers = nn.ModuleList([TransformerDecoderLayer(embed_size, heads, dropout)for _ in range(layers)])self.fc_out = nn.Linear(embed_size, vocab_size)  # 输出层预测词表概率def forward(self, x, encoder_output, src_mask=None, tgt_mask=None):x = self.embedding(x)x = self.pos_encoding(x)for layer in self.layers:x = layer(x, encoder_output, src_mask, tgt_mask)logits = self.fc_out(x)  # (batch_size, seq_len, vocab_size)return logits

---

4. 实战测试：文本翻译模拟

# 参数设置
vocab_size = 10000  # 目标语言词表大小
embed_size = 512
layers = 6
heads = 8# 初始化编码器和解码器
encoder = TransformerEncoder(vocab_size, embed_size, layers, heads)
decoder = TransformerDecoder(vocab_size, embed_size, layers, heads)# 模拟输入（源语言句子）
src = torch.randint(0, vocab_size, (32, 20))  # (batch_size=32, src_seq_len=20)
# 编码器输出
encoder_output = encoder(src)# 模拟目标输入（目标语言句子，训练时右移一位）
tgt = torch.randint(0, vocab_size, (32, 25))  # (batch_size=32, tgt_seq_len=25)
# 解码器输出
logits = decoder(tgt, encoder_output)
print("输出形状:", logits.shape)  # torch.Size([32, 25, 10000])

---

🎉 恭喜！ 至此你已经掌握了Transformer解码器的核心原理与实现。无论是机器翻译、文本生成，还是对话系统，解码器都是生成任务的核心引擎。

下一步建议：

1. 尝试在真实数据集（如WMT英德翻译）上训练模型。
2. 探索 束搜索（Beam Search） 和 温度采样（Temperature Sampling） 等推理优化技术。
3. 访问 Transformer官方代码库 或 Hugging Face库 深入学习工业级实现。

动手实践是掌握AI的最佳方式——赶紧修改代码参数，观察模型变化吧！如果遇到问题，欢迎在评论区留言讨论，我们一起解决！ 🌟

---

希望这篇解析能助你彻底理解Transformer解码器，期待看到你的实战成果！ 😊