Transformer模型有6层的编码器与6层的解码器组成，这里重点说一下6层的transformer模型是论文attentiin is all you need中的标准配置，并不一定说是所有基于transformwr模型都要使用6层的结构。你完全可以采用其它的数字，之所以作者采用6层的设计，也许是作者找到的最优解吧。

为了方便理解，在介绍模型时，所有的配置完全跟标准的transformer模型一致，这样做目的是方便理解，更不会让初学者产生误会。待你对模型有了深刻的认识时。你可以根据自己的模型数据，调整模型的参数。

另外一个问题，多头注意力机制，为啥多头注意力机制采用了8头，而不是其它的头数，这里其实跟6层的编码器与解码器类似，只是作者使用的一个超参数，我们可不可以采用其它的数字那？

答案肯定是可以的，但是这里的头数一定能被512整除，为啥需要能被512整除？原因是我们的向量维度为512，被512整除后，得到的矩阵维度才相等。在做多头注意力矩阵乘法时，才符合矩阵乘法的要求。

最后提醒一个小问题，我们transformer模型的6层结构如下图，数据依次通过6层的编码器后才被传递给解码器，且传递给6层的解码器，上次看到有人把数据流模型画成每个编码器对应每个解码器，这是不对的。

这个后期我们分享模型的搭建时会从代码的维度来分享。跟着代码一步一步的搭建模型，我们就对transformer模型有更深刻的认识