参考自李宏毅老师的self-atention的课程
pd下载：self-atention、Transformer

理论说明

在NLP中，常用的计算两个向量之间相关性的方法有以下两种：

self-attention中用的就是左侧的类型，将两个向量乘以一个可训练权重，然后将结构进行对应相乘，得到最终的相关性\({\alpha}\)。
基于此，以计算b1（即所有向量对第一个向量的重要信息的抽取结果，b1并不代表最先计算，都是同时进行的）为例进行说明：

• 当输入一长串输入时（a1、a2...，可以为input也有可能是上一步隐藏层输出）时，要求b1首先要求出其余所有向量对a1的相互关系，也就是用到了刚开始介绍的方法。其中要求的a1对应的q1就是Q，其余对应的即为K
  
  其中\({\alpha}_{1,2}\)就是代表着query是1提供的，key是2提供的，即计算的a2对a1的相关性。

• 需要说明的是，q1还需与自己k1计算相关性即\({\alpha}_{1,2}\)，然后将所有的相关性通过一个softmax层，得到所有向量对a1的对应相关性大小比例（都映射到了0~1直接，且和为1）。
  

• 根据上面softmax输出结果，我们就获知了哪些相对对于a1比较重要，就可以抽取相应的重要信息{v1,v2....}，然后将v与对应的softmax（q*v）相乘在求和（即加权求和）即可求得b1
  

矩阵计算

下面用矩阵形式对自注意力的公式进行解读：

• 首先是Q、K、V的产生：
  

• 相关性的计算，以及通过softmax候的结果（标准化了）：
  

• 求出O（注意力的结果）：
  

• 总览：
  

与下面的公式相比只是没有除以根号维度而已。

多头的自注意力

标签：self,attention,a1,详解,相关性,b1,向量,softmax
来源： https://www.cnblogs.com/xyzhrrr/p/15584848.html