1. position embedding 位置编码
我们为什么要引入位置编呢？主要有以下几个原因：

• 文本是时序型数据，词与词之间的顺序关系往往影响整个句子的含义。
• transformer模型的self-attention层并没有包含位置信息，即一句话中词语在不同的位置时在transformer中是没有区别的。

我们要想让位置信息参与训练，就要构造一个跟输入embedding维度一样的矩阵，然后跟输入embedding相加得到multi-head attention （这个会在后面的部分讲解到）的输入。position encoding说白了就是一个矩阵，那么这个矩阵如何生成，生成

其中，PE为二维矩阵，维度跟输入embedding的维度一样，行表示词语，列表示词向量；pos 表示词语在句子中的位置；i表示在该词语中，词向量所在的位置（在哪一个dimension）。因此，上述公式表示在每个词语的词向量的偶数位置添加sin变量，奇数位置添加cos变量，以此来填满整个PE矩阵，然后加到input embedding中去，这样便完成位置编码的引入了。

为什么要用三角函数来表示位置信息呢？ 其实也用其他的表示方式，对于transformer模型的positional encoding有两种主流方式：

• 绝对位置编码
  

• 相对位置编码