知识卡片
缩放点积注意力矩阵化
向量层面的注意力可提升为矩阵运算:把各词嵌入堆成矩阵X,分别与WQ、WK、WV相乘得到Q、K、V,注意力输出即可写成一次矩阵公式。由于没有循环网络那种左右依赖,矩阵形式天然适合GPU并发,且缩放即除以根号dk可防止点积过大导致Softmax梯度消失。这一步是Transformer高吞吐的工程基础,它把原本串行的逐词计算变成一次大规模并行乘法。
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
- 第5章 注意力机制 · 查看原书依据
上述内容都是基于向量进行运算,且没有循环网络中的左右依赖关系,如果把向量堆砌成矩阵,则可以使用并发处理或GPU的功能。
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第5章 注意力机制(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter8_0003.xhtml)
- 结论依据:原文指出可把嵌入向量堆砌成矩阵X并分别与WQ、WK、WV相乘得到Q、K、V,且没有循环网络中的左右依赖关系。
- 原始内容:上述内容都是基于向量进行运算,且没有循环网络中的左右依赖关系,如果把向量堆砌成矩阵,则可以使用并发处理或GPU的功能。