Transformer的前世今生 day05（Self-Attention、

本文主要是介绍Transformer的前世今生 day05（Self-Attention、，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Self-Attention

前情提要

• 注意力机制：我们在看一幅图的时候，不会去看它的所有信息，相反我们倾向于看一些重点，并把我们的焦点放到这些重要信息上，过程如下：
  
• 首先：Q、K相乘求相似度，并做一个Scale缩放（避免未来做softmax的时候出现极端情况），然后通过softmax得到概率，并与V做乘加操作得到新的V’，这个V‘包含了原本的Q中跟K很相似，很重要的信息，也就是新的V’包含了注意力信息

自注意力机制

• Selft-Attention的关键点在于：$X_K$$\approx$$X_V$$\approx$$X_Q$，这三者同源，都来自于同一个输入X
• 步骤如下：
  • 通过$W^Q$、$W^K$、$W^V$三个矩阵来获取$X_K$$\approx$$X_V$$\approx$$X_Q$：
    
• 之后的步骤和注意力机制一样
• $q_1$和$k_1$点乘，$q_1$和$k_2$点乘得到相似度s
  
• 先做一个scale缩放，除$\sqrt{d_k}$，再做softmax得到概率a
  • 注意：由于$x_1$:Thinking和它本身显然要比和$x_2$:Machines更为相似，所以得到的概率也就更大
    
• 最后，将$q_1$中和每个K点乘得到的的概率，和V相乘，并求总和，得到$z_1$
  • 而$z_1$就是Thinking这个输入的新的V’，且包含了每一个单词和Thinking的相似度，包括Thinking本身。
  • 换句话说：如果我们的输入$x_1$为Thinking的初始词向量，那么我们通过Self-Attention得到的$Z_1$仍然是Thinking的词向量，只不过这个词向量包含了Thinking Machines这句话中的每个词跟Thinking的相似度
    
• 使用Self-Attention的示例如下：
  • 由于its和law、application相似，所以使用Self-Attention后得到的its词向量，会包含一定的law、application信息，即包含了一定的全局关系。
  • 而如果不做自注意力机制，its的词向量就是单纯的its，没有任何的附加信息
    

参考文献

1. 10 Self-Attention（自注意力机制）

这篇关于Transformer的前世今生 day05（Self-Attention、的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---