1.多头注意力

多头注意力，我们可以看到源码中是进行了切割，从return的shape可以看出来。

2.transformer编码部分

可以看到它的输入就是经过emb和位置编码求和之后的输入。下面是正式使用到的编码函数：

上面的编码函数中，主要调用还是多头注意力这个函数：

调用的语句：

//注意，这里每次调用的时候第二个参数，也就是memory都是None，也就是query=momery。

 可以看到下面的query_antecedent就是经过预处理之后的输入，memory一开始是为None的。

 进入上面的函数后，因为一开始的时候memory是None，那么就调用计算qkv的函数：

 首先是对Q的计算：

在compute_attention_component函数中，看起来这个过程也非常地简单，就是之前输入的变换*一个var（服从正态分布的随机取样的矩阵），Q=pre_process(input)*var

计算KV也是调用同样的函数，但是所用的ante不同，kv需要的是memory，但是此时因为memory是None，

 compute一开始将query赋值给了memory：

 然后把qkv切成了8个部分进行之后的

下面进行attention操作：

具体的公式操作的部分标注出来：

 上面计算完attention之后，又有了一个o：

但是我不太明白这个o是干嘛用的，也许它只是用来做一个变换。

在transformer_layers.py文件中，在调用了common_attention.multihead_attention：

 可以看到返回y之后，然后进行了后处理得到x，之后又进行了全连接层，之后又后处理，然后有一个for循环，共有几层，encoder应该是6层，那么就是6次循环了。这样就获取到了encoder的输出：

 之后就返回到了这里？encoder输出结果。

3.解码部分

transformer类的body函数就主要是进行调用encode和decode的，可以看到它的输入features的要求：

应该包含inputs和targets和id。 下面decoder，也就是targets（这个是针对机器翻译吗？）首先要对它预处理

预处理中，首先是对输出的输入进行右移的操作：

 也就是在每一个seq上面都加上一行0，表示右移一位，而且第二维上还进行了[:-1]表示遗弃了最后一个word，以保证固定的seq_len长度？

 可以看到在transformer_self_attention_layer函数中，包括了self与encode的attention： 

 首先是self的部分，和之前的encode调用方式是一样的：

但实际上内部应该是进行的不一样的，因为这个应该是有个mask的吧？需要把后面的单词挡住，看到下面的地方我明白了：

common_attention.py文件中，multihead_attention函数内，有不同的attention方法：

 对于encoder的部分：

如果说第二个参数memory不是None的话，这样的话在计算KV的时候就可以使用encoder的输出了。

 此时Q是由解码的输入确定的，KV是由encoder的输出确定的。