🧠 Transformer Core

Transformer Core é uma implementação educacional e compacta do Decoder da arquitetura Transformer, projetada para tarefas de NLP como geração de texto e perguntas/respostas. Leve, interpretável e pronta para personalização, ela é ideal para estudantes, entusiastas e experimentos locais.

---

ℹ️ O que é um Transformer?

Transformer é uma arquitetura de rede neural que mudou fundamentalmente a abordagem da Inteligência Artificial. Foi introduzida no artigo seminal "Attention is All You Need" em 2017 e desde então se tornou a principal arquitetura para modelos de deep learning, impulsionando modelos de geração de texto como o GPT da OpenAI, o Llama da Meta e o Gemini do Google. Além do texto, o Transformer também é aplicado na geração de áudio, reconhecimento de imagens, previsão de estrutura de proteínas e até em jogos, demonstrando sua versatilidade em diversos domínios.

Fundamentalmente, modelos Transformers de geração de texto operam com base no princípio de previsão da próxima palavra: dado um prompt textual do usuário, qual é a próxima palavra mais provável? A inovação central e o poder dos Transformers residem no uso do mecanismo de autoatenção (self-attention), que permite processar sequências inteiras e capturar dependências de longo alcance com mais eficácia do que arquiteturas anteriores.

A família GPT-2 é um exemplo proeminente do decoder da arquiterura Transformers para geração de texto. O Transformer Core se inspira nesses modelos e compartilha muitos dos mesmos componentes e princípios arquiteturais fundamentais encontrados nos modelos atuais de ponta, tornando-o ideal para aprendizado e compreensão básica.

---

🧬 Arquitetura Transformer

Todo Decoder da arquitetura Transformer é composto por três componentes principais:

• Embedding: A entrada textual é dividida em unidades menores chamadas tokens, que podem ser palavras ou subpalavras. Esses tokens são convertidos em vetores numéricos chamados embeddings, que capturam o significado semântico das palavras.

• Bloco Transformer: É o bloco fundamental do modelo que processa e transforma os dados de entrada. Cada bloco inclui:

  • Mecanismo de Atenção (Attention Mechanism): permite que os tokens se comuniquem entre si, capturando informações contextuais e relações entre palavras.
  • Camada MLP (Multilayer Perceptron): uma rede feed-forward que opera em cada token de forma independente. Enquanto a atenção roteia informações entre tokens, o MLP refina a representação de cada token.

• Probabilidades de Saída: As camadas finais lineares e softmax transformam os embeddings processados em probabilidades, permitindo que o modelo preveja o próximo token na sequência.

---

🧱 Arquitetura do Transformer Core

O Transformer Core é composto pelos seguintes blocos principais:

• Embedding: embedding de palavras e posições
• TransformerBlock: bloco completo com LayerNorm, residual e atenção + MLP
• MultiHeadSelfAttention: atenção com projeção conjunta QKV, máscara causal e concatenação de cabeças
• TransformerMLP: MLP com GELU e projeções lineares
• SimpleTransformer: empilhamento de blocos, seguido por uma projeção linear para logits

Exemplo de configuração:

model = SimpleTransformer(
    vocab_size=len(vocab),
    embed_dim=128,
    num_heads=8,
    num_layers=4
)

---

🚀 Recursos

• Arquitetura Transformer simplificada com PyTorch puro
• Camada de atenção multi-cabeça (multi-head self-attention)
• Conexões residuais com normalização e MLP
• Projeções integradas de Q, K e V
• Geração de texto com temperatura, top-k e top-p
• Dataset estilo QA baseado em texto plano

---

📁 Estrutura do projeto

transformer_core_project/
├── transformer_app_playground   # App Playground
├── transformer_train            # App Transforme Train 
├── model.py                     # Arquitetura do Transformer Core
├── train_transformer.py         # Script de treino e geração via terminal
├── textDataset.txt              # Dados de treinamento com pares QA
├── modelo_transformer.pt        # Modelo treinado
├── vocab_transformer.json       # Vocabulário serializado
├── TransformerCoreTreino.ipynb  # Versão notebook interativo
└── requirements.txt             # Dependências 

---

🏁 Como Instalar, Usar e Treinar um Modelo

# Criar e ativar o ambiente virtual
python -m venv myenv
.\myenv\Scripts\activate

# Instalar as Depedências
pip install torch streamlit numpy pillow matplotlib
ou
pip install -r requirements.txt

# Rodar app Playground 
cd transformer_app_playground
streamlit run main.py

# Rodar app Transformer Train
cd transformer_train
streamlit run train_transformer_app.py
ou
# Treinar modelo via terminal
python train_transformer.py

---

📌 Transformer Train

O app Transformer Train é responsável por treinar um modelo Transformer simples para tarefas de geração de texto com base em pares de pergunta e resposta. Ele segue uma arquitetura compacta e educacional, ideal para fins de aprendizado, prototipagem e experimentação.

🎛️ Funcionalidades:

• Pré-processamento do dataset (textDataset.txt).
• Definição do modelo Transformer com número ajustável de camadas, cabeças, embeddings.
• Treinamento supervisionado com otimização via Adam e cross_entropy.
• Salvamento dos pesos do modelo e vocabulário treinado.
• Geração de texto a partir de um prompt, usando top-k e top-p sampling.
• Geração de gráfico: um gráfico com a curva de perda (loss) para facilitar a análise do desempenho do modelo.
• Exibe o batch atual: mostra os tokens numéricos e as palavras reais.
• Gera um heatmap da atenção: gera um heatmap da atenção da última camada e primeira cabeça de atenção.
• Exibe a loss: Exibe a loss média a cada época.
• Atualiza o progresso batch: Atualiza o progresso batch a batch em tempo real.

---

💬 Playground Web App

O projeto inclui uma interface interativa desenvolvida com Streamlit chamada Playground, que permite explorar e testar o modelo treinado pelo Transformer Train diretamente no navegador. O modelo treinado é salvo no modelo_transformer.pt. Para usar o modelo treinado basta copiar o modelo_transformer.pt para a pasta transformer_app_playground.

A interface é intuitiva e oferece os seguintes recursos:

• Entrada de texto para perguntas abertas

• Sliders interativos para configurar os parâmetros da geração:

  • Número de palavras a gerar
  • Temperatura (controla a aleatoriedade)
  • Top-k (seleção dos k tokens mais prováveis)
  • Top-p (nucleus sampling, controle de diversidade)

• Visualização clara da resposta gerada

• Exibição lateral do número total de parâmetros do modelo

Essa interface é ideal para testes rápidos e demonstrações, permitindo que estudantes e entusiastas compreendam na prática como os ajustes de parâmetros afetam a saída do modelo.

---

✨ Exemplo de uso

prompt: pergunta: quanto é 2 mais 2? resposta:
output: 4 <eos>

---

📚 Referências

• Attention Is All You Need
• The Annotated Transformer
• Baseado em práticas de modelos como GPT-2

---

📘 Créditos

📘 Transformer Core foi desenvolvido pelo Prof. Dr. Fabio Santos (fssilva@uea.edu.br) docente da Escola Superior de Tecnologia (EST), pesquisador do Laboratório de Sistemas Inteligentes (LSI) da Universidade do Estado do Amazonas (UEA), com foco em ensino, prototipagem e experimentação de modelos de linguagem baseados na arquitetura Transformer.

---

⚠️ Licença e Uso

Este projeto é distribuído exclusivamente para fins educacionais e não comerciais.
O uso é permitido para estudo, pesquisa e prototipagem, com a devida atribuição de crédito ao autor.
Qualquer uso comercial ou redistribuição requer permissão prévia por escrito.

Licença adaptada da [Educational Community License (ECL 2.0) https://opensource.org/license/ecl2/).