圖與代碼不一致，Transformer論文被發(fā)現(xiàn)錯(cuò)誤，網(wǎng)友：早該被指出1000次
2017 年，谷歌大腦團(tuán)隊(duì)在其論文《Attention Is All You Need》中創(chuàng)造性的提出 Transformer 這一架構(gòu)，自此這一研究一路開掛，成為當(dāng)今 NLP 領(lǐng)域最受歡迎的模型之一，被廣泛應(yīng)用于各種語言任務(wù)，并取得了許多 SOTA 結(jié)果。
不僅如此，在 NLP 領(lǐng)域一路領(lǐng)先的 Transformer，迅速席卷計(jì)算機(jī)視覺（CV）、語音識別等領(lǐng)域，在圖像分類、目標(biāo)檢測、語音識別等任務(wù)上取得良好的效果。
論文地址：https://arxiv.org/pdf/1706.03762.pdf
從推出至今，Transformer 已經(jīng)成為眾多模型的核心模塊，比如大家熟悉的 BERT、T5 等都有 Transformer 的身影。就連近段時(shí)間爆火的 ChatGPT 也依賴 Transformer，而后者早已被谷歌申請了專利。
圖源：https://patentimages.storage.googleapis.com/05/e8/f1/cd8eed389b7687/US10452978.pdf
此外 OpenAI 發(fā)布的系列模型 GPT（Generative Pre-trained Transformer），名字中帶有 Transformer，可見 Transformer 是 GPT 系列模型的核心。
與此同時(shí)，最近 OpenAI 聯(lián)合創(chuàng)始人 Ilya Stutskever 在談到 Transformer 時(shí)表示，當(dāng) Transformer 剛發(fā)布之初，實(shí)際上是論文放出來的第二天，他們就迫不及待的將以前的研究切換到 Transformer ，后續(xù)才有了 GPT?？梢?Transformer 的重要性不言而喻。
6 年時(shí)間，基于 Transformer 構(gòu)建的模型不斷發(fā)展壯大。然而現(xiàn)在，有人發(fā)現(xiàn)了 Transformer 原始論文中的一處錯(cuò)誤。
Transformer 架構(gòu)圖與代碼「不一致」
發(fā)現(xiàn)錯(cuò)誤的是一位知名機(jī)器學(xué)習(xí)與 AI 研究者、初創(chuàng)公司 Lightning AI 的首席 AI 教育家 Sebastian Raschka。他指出，原始 Transformer 論文中的架構(gòu)圖有誤，將層歸一化（LN）放置在了殘差塊之間，而這與代碼不一致。
Transformer 架構(gòu)圖如下左，圖右為 Post-LN Transformer 層（出自論文《On Layer Normalization in the Transformer Architecture》［1］）。
不一致的代碼部分如下，其中 82 行寫了執(zhí)行順序「layer_postprocess_sequence＝"dan"」，表示后處理依次執(zhí)行 dropout、residual_add 和 layer_norm。如果上圖左中的 add&norm 理解為：add 在 norm 上面，即先 norm 再 add，那確實(shí)代碼和圖不一致。
代碼地址：
https://github.com/tensorflow/tensor2tensor/commit/f5c9b17e617ea9179b7d84d36b1e8162cb369f25#diff-76e2b94ef16871bdbf46bf04dfe7f1477bafb884748f08197c9cf1b10a4dd78e…
接下來，Sebastian 又表示，論文《On Layer Normalization in the Transformer Architecture》認(rèn)為 Pre-LN 表現(xiàn)更好，能夠解決梯度問題。這是很多或者大多數(shù)架構(gòu)在實(shí)踐中所采用的，但它可能導(dǎo)致表示崩潰。
當(dāng)層歸一化在注意力和全連接層之前被放置于殘差連接之中時(shí)，能夠?qū)崿F(xiàn)更好的梯度。
因此，雖然關(guān)于 Post-LN 或 Pre-LN 的爭論仍在繼續(xù)，但另一篇論文結(jié)合了這兩點(diǎn)，即《ResiDual: Transformer with Dual Residual Connections》［2］。
對于 Sebastian 的這一發(fā)現(xiàn)，有人認(rèn)為，我們經(jīng)常會(huì)遇到與代碼或結(jié)果不一致的論文。大多數(shù)是無心之過，但有時(shí)令人感到奇怪?？紤]到 Transformer 論文的流行程度，這個(gè)不一致問題早就應(yīng)該被提及 1000 次。
Sebastian 回答稱，公平地講，「最最原始」的代碼確實(shí)與架構(gòu)圖一致，但 2017 年提交的代碼版本進(jìn)行了修改，同時(shí)沒有更新架構(gòu)圖。所以，這實(shí)在令人困惑。
正如一位網(wǎng)友所說，「讀代碼最糟糕的是，你會(huì)經(jīng)常發(fā)現(xiàn)這樣的小變化，而你不知道是有意還是無意。你甚至無法測試它，因?yàn)槟銢]有足夠的算力來訓(xùn)練模型。」
不知谷歌之后會(huì)更新代碼還是架構(gòu)圖，我們拭目以待！
