一、原理
(1)心理学角度:人类根据随意线索和不随意线索选择注意点,如下图所示,人看一眼注意到红色的杯子(不随意),但在思考只有,想要读书所以关注到书(随意)。
(2)卷积、全连接、池化都只考虑不随意线索。注意力机制则是显示的考虑随意线索。
随意线索被称为查询(query),每个输入是一个值(value)和随意线索(key)的对,通过注意力汇聚来有偏向选择某些输入。
(3)非参注意力机制
一个新点x与全局任意点的距离,选择与x近的一些点做相关运算。
K选用高斯,
(4)深度学习引入参数,可学习
(5)总结
二、注意力分数
主要设计a
方法一:等价于将key和query合并起来后放入到隐藏层大小为h输入大小为1的MLP
方法二:
三、遮蔽softmax操作
softmax 运算用于输出一个概率分布作为注意力权重。在某些情况下,并非所有的值都应该被纳入到注意力汇聚中,某些文本序列被填充了没有意义的特殊词元。为了仅将有意义的词元作为值去获取注意力汇聚,可以指定一个有效序列长度(即词元的个数),以便在计算 softmax 时过滤掉超出指定范围的位置。masked_softmax
函数中实现这样的 遮蔽 softmax 操作(masked softmax operation),其中任何超出有效长度的位置都被遮蔽并置为0。
def masked_softmax(X, valid_lens):
"""通过在最后一个轴上遮蔽元素来执行 softmax 操作"""
# `X`: 3D张量, `valid_lens`: 1D或2D 张量
if valid_lens is None:
return nn.functional.softmax(X, dim=-1)
else:
shape = X.shape
if valid_lens.dim() == 1:
valid_lens = torch.repeat_interleave(valid_lens, shape[1])
else:
valid_lens = valid_lens.reshape(-1)
# 在最后的轴上,被遮蔽的元素使用一个非常大的负值替换,从而其 softmax (指数)输出为 0
X = d2l.sequence_mask(X.reshape(-1, shape[-1]), valid_lens,
value=-1e6)
return nn.functional.softmax(X.reshape(shape), dim=-1)