ATTENTION机制

目录

什么是注意力机制

自注意力机制self-attention

Attention 和 Self-Attention 的区别

多头自注意力机制multi-head self-attention

Transformer

Transformer

---

1. 什么是注意力机制

10 Transformer 之 Self-Attention（自注意力机制）_哔哩哔哩_bilibili

对于不同模块/部分，重要的信息可能不一样，怎么聚焦在更重要的信息上。

 attention通常可以进行如下描述，表示为将Q和k-v pair（把Value拆分成了键值对的形式）映射到输出上。分为三个步骤：

1. Q，K=k1,k2,...,kn 内积/点乘的方式，计算相似度a1,a2,...an。

2. 做一个scale归一化，避免出现极端情况；做一层softmax，得到概率/注意力值，表示重要性

3. 最后进行汇总，使用Q查询之后，Q已经失去了使用加值，最终还是要拿到最终输出，跟v点乘，得到最终输出（包含了哪些重要、不重要），最终的新向量表示，只不过蕴含了整个特征列表对于当前特征而言哪个更重要的信息。每一个单词都会包含整个句子中各个单词的重要性信息。

一般K=V，在transformer里面，K和V一定具有某种联系，这样QK点乘才能指导V哪些重要，哪些不重要。

1. 自注意力机制self-attention

K$approx$=V=Q，来源于同一个X，三者同源。

QKV，是X通过一个矩阵的线性变换，分别得到的中间表示。

1. Attention 和 Self-Attention 的区别

attention没有规定QKV 怎么来，只规定QKV怎么做。

self-attention规定了，QKV必须要同源，来源于同一个输入源的空间上的线性变换/矩阵计算。对于一个词向量（不一定准确），做的是空间上的对应，乘了参数矩阵，依然代表X。

• 交叉注意力机制：QK不同源，但是KV同源

• cyd注意力机制：QV同源，QK不同源

• 其他：Q必须为1，KV不同源

重点是跟其他特征的交叉

多头自注意力机制multi-head self-attention

详解Transformer中Self-Attention以及Multi-Head Attention_太阳花的小绿豆的博客-CSDN博客

机器学习

机器学习的本质是什么：y=Q(wx+b)，在做一件什么事情，非线性变换（把一个看起来不合理的东西，通过某个手段（训练模型），让这个东西变得合理）

非线性变换的本质又是什么？改变空间上的位置坐标，任何一个点都可以在维度空间上找到，通过某个手段，让一个不合理的点（位置不合理），变得合理

多头的个数用 h 表示，一般ℎ=8h=8，

multi-head attention，把X切分成8块（8个子空间），这样一个原先在一个位置上的X，去了空间上8个位置，通过对8个点进行寻找，找到更合适的位置。

使用多头注意力机制能够联合来自不同head部分学习到的信息。

Self-Attention与Multi-Head Attention计算量对比：两者的计算量其实差不多

• 之前讨论的，机器学习和人工经验结合的方案，现在重新拿出来评估呢？

Transformer

Transformer

Transformer 中self-attention以及mask操作的原理以及代码解析_南京天涯的博客-CSDN博客_transformer attention mask

图解Transformer_adam-liu的博客-CSDN博客_transformer adam

Transformer 模型详解_空杯的境界的博客-CSDN博客_transformer

https://github.com/czy36mengfei/tensorflow2_tutorials_chinese/blob/master/026-Transformer/001-Transformer.ipynb