47 lines
1.1 KiB
Markdown
47 lines
1.1 KiB
Markdown
---
|
||
title: "自注意力和多头注意力"
|
||
date: 2022-09-19T20:35:33+08:00
|
||
tags: []
|
||
categories: []
|
||
weight: 50
|
||
show_comments: true
|
||
katex: true
|
||
draft: false
|
||
---
|
||
|
||
<!--more-->
|
||
|
||
## 自注意力
|
||
|
||
众所周知，注意力就是一个 query 和多个 key-value 对的带权和，如下：
|
||
|
||
$$
|
||
Attention(Q, K, V) = V.softmax(score(K, V))
|
||
$$
|
||
|
||
当 Q == K == V 的时候，这个计算就叫做自注意力
|
||
|
||
## 多头注意力
|
||
|
||
假如 Head = 4， 那么如下，其中每一个 Q,K,V 都是完整大小的 Q,K,V，相当于做了 3 次注意力，其中每一个 W 都是可以学习的参数（因为 attention 的计算方法中没有可学习的参数，所以在计算 attention 前加一个线性变换，训练这个线性变换的参数）
|
||
|
||
$$
|
||
head_1 = Attention(W_1^QQ, W_1^K, W_1^VV)
|
||
\\\\
|
||
head_2 = Attention(W_2^QQ, W_2^K, W_2^VV)
|
||
\\\\
|
||
head_3 = Attention(W_3^QQ, W_3^K, W_3^VV)
|
||
\\\\
|
||
head_4 = Attention(W_4^QQ, W_4^K, W_4^VV)
|
||
$$
|
||
|
||
最后，4 次 attention 结果连接起来，使用另外一个大的线性变换：
|
||
|
||
$$
|
||
Multihead(Q, K, V) = W^O[head_1, head_2, head_3, head_4]
|
||
$$
|
||
|
||
## 参考
|
||
|
||
https://www.adityaagrawal.net/blog/deep_learning/attention
|