Transformer（一）简述（注意力机制，NLP，CV通用模型）

目录

1.Encoder

1.1简单理解Attention

1.2.什么是self-attention

 1.3.怎么计算self-attention

 1.4.multi-headed

 1.5.位置信息表达

 2.decorder（待补充）

参考文献

---

1.Encoder

1.1简单理解Attention

比方说，下图中的热度图中我们希望专注于小鸟，而不关注背景信息。那么如何关注文本和图像中的重点呢。

具体而然比方说下面的文本she is eating a green，用不同的颜色表示其向量，然后对每一个向量进行重构，比方说she本来由红色向量表示，重构之后，其向量包含上下文其他向量的部分（按照相关程度，比重各不相同），其实这一块就是算出权值，每个词对其他词的贡献，再根据这个权值整合每个词自身的向量。

1.2.什么是self-attention

如下图所示，两句话中的it根据上下文语句不同，指代前面的名词也不同，所以希望用注意力机制，来专注他们之间的关系。

自注意力机制：如下图所示，有两句话，以it为例只计算本句中每个词和自己的关系

注意力机制：如下图所示，it会计算其他句和自己的关系。

同样如下图右侧所示，以it为例，线条越深和自身关系越强

 1.3.怎么计算self-attention

如下图所示，有两个文本Thinking，Machines，在进行计算时，我们要知道每一个词和自己的关系以及和其他词的关系，也就是说要计算Thinking和自身的关系，以及和Machines的关系，以及Machines和自身的关系，以及和Thinking的关系然后将其向量化表示为x1和x2。接下来为了实现注意力机制，我们提供了三个向量，q，k，v，以Thinking为例，当Thinking想要寻找和自己的关系以及和Machines的关系时，必须要知道它要查什么，所以需要一个查找对象也就是q，同样Thinking和Machines自身作为被查找的单位，当被查询时，也需要提供我有或者没有被查东西的证据，也就是k，具象化理解，可以理解为，古代官府追查杀手，必然会拿着杀手画像q，那么每家每户都要提供自己的身份信息k，证明自己是不是杀手。v后面补充。

 再看一下q，k，v是咋来的，对于单词向量x1和x2用一个权重矩阵w分别得到q，k，v。

 再看一下词与词之间的匹配程度如何确定，先说一个概念，内积相乘越大两者关系越近，所以当计算Thinking和自己的匹配程度时，用q1*k1=112，计算Thinking和Machines匹配程度时用q1*k2=96计算，很明显和自己的匹配程度更高

再进一步计算

首先看softmax（Q*K/）*V,这样理解，当高维Q*K的结果必然比低维相乘大，但在实际应用中，维数并不应该对结果产生影响，所以用消除维度影响。对照下图左侧的公式，来看下图右侧，在得到112和96之后，进行维度消除操作，得到14和12，然后得到彼此的影响概率，0.88和0.12，再利用v对x重构得到v。

 

 流程如下图所示Q和每一个K相乘再结合相应的V最后加权得到Attention Value

 1.4.multi-headed

上面我们发现一个x只能得到一个z，现在希望一个x可以得到不同z，所以用不同的w得到不同的q，k，v。假设一个x最后得到8个不同的z，将其拼接在一起太大了，所以用全连接层再对其降维。

 举个例子

 1.5.位置信息表达

前面我们发现计算时会对每一个单词进行计算，所以没考虑位置因素，但在这里希望把位置因素考虑进去，位置用p表示，最后加入到重构后的z中

 2.decoder（待补充）

前面是处理输入得到不同的组合z，这回需要对z进行输出操作。 此时输出层提供q，查询模型需要啥。k和v由输入提供。具体我们可以看下图右侧流程图，左为Encoder输入K,V。右下为decoder输入Q。

 再说一下MASK机制，简单理解，此时标签出了I am a，那么对于a可以利用前三个词，但对于第四个没出的不能使用，所以要给它掩盖起来。

 

 3.BERT

替代encoder

 

 

参考文献

1.Transformer原理精讲_哔哩哔哩_bilibili

2.67 自注意力【动手学深度学习v2】_哔哩哔哩_bilibili 

3. 68 Transformer【动手学深度学习v2】_哔哩哔哩_bilibili

4.(重点)2023年AI爆火方向：基于Transformer模型的计算机视觉实战集锦【医疗图像分割、VIT算法、swintransformer、DETR目标检测...】_哔哩哔哩_bilibili