本文已参与「新人创作礼」活动，一起开启掘金创作之路。
朋友们，今天继续讲解语音识别，前面讲到了进入模型的初步操作，这个模型的层数是非常多的，后面还要经过非常多的层，可以说是一个deep+deep 网络，所以，咱们今天继续跟着网络层forward！
1、网络展示
(self_attn): RelPositionMultiHeadedAttention(
(linear_q): Linear(in_features=512, out_features=512, dtype=float32)
(linear_k): Linear(in_features=512, out_features=512, dtype=float32)
(linear_v): Linear(in_features=512, out_features=512, dtype=float32)
(linear_out): Linear(in_features=512, out_features=512, dtype=float32)
(dropout): Dropout(p=0.0, axis=None, mode=upscale_in_train)
(linear_pos): Linear(in_features=512, out_features=512, dtype=float32)
)
如上，之前我讲到数据经过层Conv2dSubsampling4后，shape变成了（1，90，512），然后，这个维度的数据还得继续往下forward，接下来的层变成了上面的名字：RelPositionMultiHeadedAttention，这一层也就是多头注意力机制，下面咱们往下forward。
2、网络提取
网络展示的是上面的结构，但是构建这个结构是非常复杂的，需要一点点构建，本次构建attention就不详细讲了，后文中咱们再讲，本次还是从架构和总体层面forward。
import pickle
with open("cls.pkl", "rb") as tf:
cls = pickle.load(tf)
import pickle
with open("configs.pkl", "rb") as tf:
configs = pickle.load(tf)
model0 = cls(configs)
model_attn=model0.sublayers()[0].sublayers()[11][0].sublayers()[0]
可以看到，之前我们加载的模型，通过层层去找，就可以找到我们现在需要forward的模型，那么，这个模型我需要把数据怼进去，下面咱们先用随机数据试试。
3、forwad
前面咱们经过了网络Conv2dSubsampling4，下面是输出的结果。
然后，模型要看怎么输入，下面是输入参数，很明显，需要query、key、value、pos-embed和mask参数，那咱们用x输入，然后随机初始化一些数值输入试试。
model_attn(x,x,x,x,paddle.randn([1,1,90]))
好了，我们假设了一些数据，然后怼入网络层，实现了上面的效果，相当于又走了一层，但是这样很难看出细节，下面咱们通过pycharm进行debug再看看。
4、debug
前面的代码可以看到，通过一个for循环挨个forward每一层的layer，咱们目前进入的是ConformerEncoderLayer，然后这里面包括很多，我们只要RelPositionMultiHeadedAttention这一个，下面继续走。
这一层的输入参数可以看到，可以认为是三个x+pos-emb+mask，至于pos-emb之前文章讲过了，mask先不讲，咱们看后面的。
到了forward里面，又来了一个qkv，下面继续走。
这里就简单了，实际上是计算q、k和v三个值，函数是一样的，咱们只进入第一个看看。
linear层，实际上就是一个矩阵计算，这部分就是一个算子，算子基本上都是cpp实现的，就不详细讲了，想了解的请看：
完成这一步，后面都是常规操作，计算scores，这个自己看。
socres完成后，其实就是计算相关性了，如上代码，到了这里其实这一层的forward就完成了，后面其实还有concate等，就不讲了。