知识卡片

普通读书笔记卡 · 6473.d.2.d.3 · 生成模型:未记录

局部注意力限制范围

理解等级:中级

全连接自注意力为序列中的位置对计算注意力分数,长度 L 增长时分数矩阵含 L² 项。局部或截断注意力把每个位置可看的范围限制在邻域,减少计算和存储;代价是单层无法直接利用窗口外的信息,窗口大小需结合任务设计。

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 6.5 截断自注意力 · 查看原书依据

      截断自注意力(truncated self-attention)可以处理向量序列过长的问题,如图6.35所示,截断自注意力在做自注意力的时候不会看一整句话,而是只看一个小的范围,这个范围是人为设定的.在做语音识别的时候,如果要辨识某个位置有什么样的音标,以及这个位置有什么样的内容,那么只要看这句话及其前后一定范围内的信息,就可以做出判断.在做自注意力的时候,也许没必要让自注意力考虑整个句子,以提高运算的速度.这就是截断自注意力.

    参考来源

    - 位置:《深度学习详解》第6章《自注意力机制》6.5 截断自注意力(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter06.xhtml`) - 结论依据:原文讨论局部窗口、卷积与循环的结构差异及图邻接限制;softmax 掩码说明是对实现边界的补充。 - 原始内容:截断自注意力(truncated self-attention)可以处理向量序列过长的问题,如图6.35所示,截断自注意力在做自注意力的时候不会看一整句话,而是只看一个小的范围,这个范围是人为设定的.在做语音识别的时候,如果要辨识某个位置有什么样的音标,以及这个位置有什么样的内容,那么只要看这句话及其前后一定范围内的信息,就可以做出判断.在做自注意力的时候,也许没必要让自注意力考虑整个句子,以提高运算的速度.这就是截断自注意力.