在解码完成后会输出一个实数向量，经过一个简单的全连接神经网络（线性变换层）映射到一个被称作对数几率（logits）的向量里，假设从训练集中学习一万个单词，那么对数几率向量为一万个单元格长度的向量——每个单元格对应某一个单词的分数。接下来的Softmax 层便会把那些分数变成概率（都为正数、上限1.0）。概率最高的单元格被选中，并且它对应的单词被作为这个时间步的输出。
参考：attention is all you need
BERT大火却不懂Transformer？读这一篇就够了
transformer中的positional encoding(位置编码)
浅谈 Transformer-based 模型中的位置表示