在Transformer中，使用余弦编码或其他类似的编码方式（如正弦-余弦位置编码）而不是简单的“0123456”这种数字编码，主要是因为位置编码的目标是为模型提供位置信息，同时又不引入过多的显式顺序假设。
主要原因如下：
-
避免数字编码的离散性： 如果使用简单的数字编码（如0, 1, 2, 3, …），这种编码方法会暗示数字之间有某种固定的数学关系，而实际上，位置之间的关系是相对的而非线性的。例如，在“0123456”这种编码下，位置1和位置2之间的差异与位置6和位置7之间的差异是相同的，但它们在语义上可能并不等价。余弦编码则避免了这种线性关系，它能以周期性的方式映射每个位置，使得模型能够更灵活地学习不同位置之间的关系。
-
周期性特性： 余弦编码是基于正弦和余弦函数的，具有自然的周期性。这对于处理循环性质或长距离依赖（如句子的开始和结束、或长期的语法结构）尤其有效。余弦编码的这种周期性特性使得模型可以捕捉到位置之间的相对关系，不管它们之间的距离有多远。
-
无固定顺序假设： Transformer的自注意力机制（Self-Attention）是无序的，也就是说，模型本身并不假设序列的顺序是固定的，位置编码的引入是为了补充这个信息。如果使用“0123456”这种数字编码，模型可能会学习到数字之间的大小顺序，而这是不必要的，尤其在处理长文本时，顺序本身的编码可能会导致模型偏向某些固定模式。使用余弦编码则帮助模型从不同的角度（不同的频率）感知位置关系，而不是仅仅依赖于线性编码。
-
高效的学习能力： 余弦编码和正弦编码的连续性使得模型在学习时可以更容易地捕捉位置之间的相对关系，特别是对于不同长度的序列。它们的频率变化也帮助模型将不同位置的编码“拉开”距离，使得模型能够更清晰地区分不同的位置信息。
import torch
import math
class PositionalEncoding(torch.nn.Module):
def __init__(self, d_model, max_len=5000):
super(PositionalEncoding, self).__init__()
# 创建一个位置编码矩阵，大小为 max_len x d_model
pe = torch.zeros(max_len, d_model)
position = torch.arange(0, max_len).unsqueeze(1).float() # shape: (max_len, 1)
div_term = torch.exp(torch.arange(0, d_model, 2).float() * -(math.log(10000.0) / d_model)) # shape: (d_model / 2,)
# 计算每个位置的编码
pe[:, 0::2] = torch.sin(position * div_term) # 偶数位置
pe[:, 1::2] = torch.cos(position * div_term) # 奇数位置
pe = pe.unsqueeze(0) # 增加batch维度，shape: (1, max_len, d_model)
self.register_buffer('pe', pe) # 注册为buffer，不会更新
def forward(self, x):
# x: 输入的张量，shape: (batch_size, seq_len, d_model)
return x + self.pe[:, :x.size(1)].detach()
# 示例
d_model = 512 # 嵌入维度
max_len = 60 # 序列最大长度
position_encoding = PositionalEncoding(d_model, max_len)
# 假设输入一个批次的序列，shape为 (batch_size, seq_len, d_model)
batch_size = 32
seq_len = 50
x = torch.randn(batch_size, seq_len, d_model)
# 加入位置编码
x_pos = position_encoding(x)
print(x_pos.shape) # 应该是 (batch_size, seq_len, d_model)余弦编码和其他类似的连续位置编码方式提供了一个能够捕捉更复杂的位置信息的机制，而简单的数字编码往往过于局限，难以适应Transformer模型的自注意力机制及其灵活的处理能力。
