← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 6473.d.2.d.1 · 生成模型:未记录

多头注意力并行视角

理解等级:中级

多头注意力通过不同的投影分别生成多组查询、键、值,每个头独立计算注意力并汇总信息;随后拼接各头输出,再做输出投影。不同头可以学习不同的关联方式,但并不保证每个头都具有可解释或互不重叠的职责。头数是设计超参数。

这张卡片看不懂?

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

    • 自注意力机制 6.3 多头自注意力 · 查看原书依据

      多头自注意力(multi-head self-attention)是自注意力的高级版本. 多头自注意力的应用是非常广泛的,一些任务,比如翻译、语音识别,用比较多的头可以得到比较好的结果. 至于需要用多少个头,则又是另外一个超参数.为什么需要比较多的头呢?在使用自注意力计算相关性的时候,就是用 去找相关的 .但相关有很多种不同的形式,也许可以有多个 ,不同的 负责不同种类的相关性,这就是多头注意力.如图6.29 所示,先把 乘以一个矩阵,得到 ;再把 乘以另外两个矩阵,分别得到 、 . 和 代表有两个头, 代表的是位置,1 和 2 代表这个位置的第几个 ,这里因为有两种不同的相关性,所以需要产生两种不同的头来找两种不同的相关性.既然 有两个,也需要有两个, 也需要有两个.怎么从 得到 、,又怎么从 得到 、,以及怎么从 得到 、呢?其实就是把 、、分别乘以两个矩阵,得到不同的头.对另一个位置做同样的事情,另一个位置在输入 以后,也会得到两个 、两个 、两个.

    参考来源

    - 位置:《深度学习详解》第6章《自注意力机制》6.3 多头自注意力(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter06.xhtml`) - 结论依据:原文介绍各头独立投影与合并,或将位置向量加入输入;公式与可读图式已核验。 - 原始内容:多头自注意力(multi-head self-attention)是自注意力的高级版本. 多头自注意力的应用是非常广泛的,一些任务,比如翻译、语音识别,用比较多的头可以得到比较好的结果. 至于需要用多少个头,则又是另外一个超参数.为什么需要比较多的头呢?在使用自注意力计算相关性的时候,就是用 去找相关的 .但相关有很多种不同的形式,也许可以有多个 ,不同的 负责不同种类的相关性,这就是多头注意力.如图6.29 所示,先把 乘以一个矩阵,得到 ;再把 乘以另外两个矩阵,分别得到 、 . 和 代表有两个头, 代表的是位置,1 和 2 代表这个位置的第几个 ,这里因为有两种不同的相关性,所以需要产生两种不同的头来找两种不同的相关性.既然 有两个,也需要有两个, 也需要有两个.怎么从 得到 、,又怎么从 得到 、,以及怎么从 得到 、呢?其实就是把 、、分别乘以两个矩阵,得到不同的头.对另一个位置做同样的事情,另一个位置在输入 以后,也会得到两个 、两个 、两个.