我算见识到算法岗transformer面试的难度了

在面试算法岗的时候看到了这篇Transformer面试题，作者梳理一些关于Transformer的知识点，还会陆续更新最新的面试题和讲解答案！

也算是见识到了transformer的面试难度了

1.Transformer为何使用多头注意力机制?(为什么不使用一个头)

2.Transformer为什么Q和K使用不同的权重矩阵生成，为何不能使用同一个值进行自身的点乘?(注意和第一个问题的区别)

3.Transformer计算attention的时候为何选择点乘而不是加法?两者计算复杂度和效果上有什么区别?

4.为什么在进行softmax之前需要对attention进行scaled(为什么除以dk的平方根)，并使用公式推导进行讲解

5.在计算attention score的时候如何对padding做mask操作?

6.为什么在进行多头注意力的时候需要对每个head进行降维?(可以参考上面一个问题)

7.大概讲-下Transformer的Encoder模块?8.为何在获取输入词向量之后需要对矩阵乘以embedding size的开方?意义是什么?

9.简单介绍-下Transformer的位置编码?有什么意义和优缺点?

10.你还了解哪些关于位置编码的技术，各自的优缺点是什么?

11.简单讲-下Transformer中的残差结构以及意义。

12.为什么transformer块使用LayerNorm而不是BatchNorm? LayerNorm 在Transformer的位置是哪里?

13.简答讲-下BatchNorm技术，以及它的优缺点。

14.简单描述-下Transformer中的前馈神经网络?使用了什么激活函数?相关优缺点?

15.Encoder端和Decoder端是如何进行交互的?(在这里可以问一下关于seq2seq的attention知识)

16.Decoder阶段的多头自注意力和encoder的多头自注意力有什么区别?(为什么需要decoder自注意力需要进行 sequence mask)

17.Transformer的并行化提现在哪个地方?Decoder端可以做并行化吗?

18.简单描述-下wordpiece model 和 byte pairencoding，有实际应用过吗?

19.Transformer训练的时候学习率是如何设定的?Dropout是如何设定的，位置在哪里?Dropout在测试的需要有什么需要注意的吗?

20.引中一个关于bert问题，bert的mask为何不学习transformer在attention处进行屏蔽score的技巧5?

这份《算法岗transformer面试题》已经上传CSDN，还有完整版的大模型 AI 学习资料，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

PDF书籍： 完整版本链接获取

👉[CSDN大礼包🎁：《算法岗transformer面试题》免费分享（安全链接，放心点击）]👈