源码链接：https://github.com/ZhengkunTian/OpenTransformer 

数据准备：

选用Thchs30数据集，首先生成3个训练所需的数据集：

（1）vocab.npy

内容是汉字 及其对应的编号

（2）character.txt

内容是 id 及其对应的 汉语意思 （注意每个汉字之间要有空格）

（3）wav.scp

内容是 id 及其 对应音频文件的地址

将transformer.yaml 中对应文件位置稍作修改，即可训练，我是在RTX2070 上训练的

先训练100个epochs：（大概训练了5个小时）

测试了一部分效果并不好： 

显示的预测结果都是一样的。

又选了较小的数据集训练，准备训练1000个epochs，由于每个epoch训练的模型都会保存，跑到800多个的时候磁盘满了

然后用最后一个模型参数去测试了这个数据集，测试其他少部分数据结果：

结果不一样，但明显对不上。

测试所有的训练集，结果：

效果还可以，词错误率：

查看了一下模型的参数：269992个

1.多头attention的头数确定：

            没有固定的标准，Transformer原文给的是8个，原则上只要能被整除就行，在Open transformer中用的是4个

2. 相对位置编码问题：

Transformer 中的 Self-attention 机制如下，输入 ，输出 

Relative Position Representations (RPR)  不在输入时将位置表示与 token 表示相加，而是选择对 self-attention 进行改动：

这里的 (不是 ) 的计算方式如下：

因此，模型学习相对位置表示 (同理)，同一层的attention heads之间共享，但是在不同层之间是不同的。此处公式有些晦涩，故此举一实例加以解释：

当 时，，那么第 0-8 行则分别对应的是位置 i 与位置 之间的相对位置表示。以输入“I think therefore I am”为例：

其中，“I” 使用的是 ，“think” 使用的是 (因为 “think” 在第一个 “I” 的右边第一个，对应的是 i+1的情况)。套用公式中则是，Query 为“I”，Key 为 “think” 时，有 ，那么 ，那么此时 。

其中，“I” 使用的是 ，“think” 使用的是 (因为 “think” 在第二个 “I” 的左边第二个，对应的 i-2 的情况)。