如何解决Transformer 解码器和带注意力的堆叠 RNN 有多相似？
transformer 和 RNN 在序列建模中都很有用。但是，由于RNNs可以堆叠并且可以使用attention机制，这种是不是很像解码器的transformer模型（比如GPT）？
两者都有多个单向层，堆叠在一起，以处理序列并注意先前的隐藏状态。一个主要区别是 RNN 的隐藏状态取决于之前的隐藏状态，但如果 RNN 使用学习的 Query-Key-Value 矩阵，它们看起来很相似。
谁能解释一下是否存在更大的差异，或者它们在某些情况下是否确实等效？
ps：这是关于仅解码器的架构
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
