如何理解注意力机制

如何理解注意力机制

b站视频讲解-5min

深度学习其实就是想学习一个模型可以用于实现 o u t p u t = f （ i n p u t ） output=f（input） output=f（input）

注意力机制的目的就是对所有的输入向量执行简单的线性加权，所以需要训练模型学习最优的权重值 α，

但是，实际情况中我们不能简单的学习权重，因为输入的向量的长度是可变的，所以需要求解的权重参数 α 的数目也因此是可变的。

此外，对于权重的值，有一个限制，需要进行归一化处理。（也就是α的和应该等于1）。

因此，为了得到权重，注意力机制巧妙地使用了key和query。
类似于python字典的每个value都会有对应的key，自注意机制就是key为value本身的情况。

以普通的注意力机制为例：

当我们有query了，而且有一序列的keys值，就可以使用点积 q·k计算权重α的值，后面加一个非线性函数一般使用tanh，加softmax使得结果归一化。
得到权重α之后，output的计算就是权重α与输入值v的加权。

在上述步骤中，忽略了一个很重要的问题，所有的k、q、v都是固定的，无法学习，因此，在注意力机制中对k、q、v引入了可学习的参数矩阵：Wk、Wq、Wv。

注意力权重&注意力分数

注意力分数：没有经过归一化的注意力得分
注意力权重：经过归一化后的注意力权重，所有值的和为1

扩展到高维度

如何设计a

最常用的两个注意力函数是加法注意和点积注意计算：
虽然两者在理论上的复杂性相似，但点积注意力在实践中更快且更节省空间，因为它可以使用高度优化的矩阵乘法代码来实现。

而对于d较小的情况，这两种机制的表现相似，加法注意力优于点积注意力

Additive Attention

当k，q长度不一样的时候最常用的做法。

Scaled Dot-Product Attention

上述，第一个公式中除以根号d，是想让a对长度不呢么敏感。

如上计算得到的注意力分数a的每一行都是一个query的注意力得分。
然后对行数据进行softmax计算，得到每一行是一个query的注意力权重。