知识卡片
注意力机制
注意力让模型在生成当前输出时动态选择输入序列中最相关的部分。它既缓解远距离依赖,也提供一定可解释信号;[[词嵌入泛化]]解决表示,注意力解决关联。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 自然语言处理中的深度学习 24.4 Transformer架构 · 查看原书依据
这篇非常有影响力的文章“Attention is all you need”(Vaswani et al., 2018)介绍了Transformer架构,它使用了一种自注意力(self-attention)机制,该机制可以在没有顺序依赖的情况下对远距离上下文进行建模。
参考来源
- 位置:《人工智能:现代方法(第4版)(上下册)》第24章《自然语言处理中的深度学习》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0046_split_004.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:注意力让模型在生成当前输出时动态选择输入序列中最相关的部分。原文从「24.4 Transformer架构」处给出对应机制与依据,支撑本卡结论。
- 原始内容:这篇非常有影响力的文章“Attention is all you need”(Vaswani et al., 2018)介绍了Transformer架构,它使用了一种自注意力(self-attention)机制,该机制可以在没有顺序依赖的情况下对远距离上下文进行建模。