pytorch 注意力机制

注意力机制：

父母在学校门口接送孩子的时候，可以在人群中一眼的发现自己的孩子，这就是一种注意力机制。
为什么父母可以在那么多的孩子中，找到自己的孩子？
比如现在有100个孩子，要被找的孩子发型是平头，个子中等，不戴眼镜，穿着红色上衣，牛仔裤
通过对这些特征，就可以对这100个孩子进行筛选，最后剩下的孩子数量就很少了，就是这些特征的存在，使得父母的注意力会主要放在有这些特征的孩子身上，这就是注意力机制。

注意力机制
Query 被找孩子的特征
Key 100个孩子，通过特征进行筛选，得到这100个孩子的可能性
Value 100个孩子中，找到自己孩子的可能性

attention = softmax(Q、K之间进行计算) * V
Q、K之间的计算方式不同，这就导致了不同的注意力机制。

最后一种就是Transformer中的一种注意力的计算机制。

实际应用中的理解

一般在自然语言处理应用里会把Attention模型看作是输出Target句子中某个单词和输入Source句子每个单词的对齐模型。
目标句子的每个单词 与输入句子中的每个单词 计算权重，计算注意力权重
类似于机器翻译中的短语对齐步骤

可以看到里面的 Q K V
QK之间的计算就是计算QK之间的相关性，或者说特征的相似性
这样就可以得到每个key对应的value的权重系数，然后与V相乘

Lx=||Source||代表Source的长度

计算过程

1.计算QK之前的相似度

2.softmax 归一化
3.对value进行加权求和**

代码实现

第一步：根据注意力计算规则，对Q，K，V进行相应的计算.
第二步：根据第一步采用的计算方法，如果是拼接方法，则需要将Q与第二步的计算结果再进行拼接，如果是转置点积，一般是自注意力，Q与V相同，则不需要进行与Q的拼接.
第三步：最后为了使整个attention机制按照指定尺寸输出，使用线性层作用在第二步的结果上做一个线性变换，得到最终对Q的注意力表示

第一步就是使用第一种计算的方式，获取注意力机制的权重，就是上边所说的孩子的特征占100个孩子权重
第三部就是为了获得指定尺寸的输出

import torch
from torch import nn
import torch.nn.functional as F

# input = torch.randn(10, 3, 4)
# mat2 = torch.randn(10, 4, 5)
# res = torch.bmm(input, mat2)
# x = res.size()
# print(x)

class Attention(nn.Module):
    def __init__(self,query_size, key_size, value_size1, value_size2, output_size):
        super(Attention, self).__init__()
        self.query_size = query_size
        self.key_size = key_size
        self.value_size1 = value_size1
        self.value_size2 = value_size2
        self.output_size = output_size
        # 第一种方式
        # 先拼接 然后进行线性变换 然后softmax
        # 最后乘V

        # 初始化注意力机制第一步
        # 两个size相加，是直接把矩阵拼接
        # 拼接后进行线性变换使用 （64,32）
        self.attn = nn.Linear(self.query_size + self.key_size, self.value_size1)

        # 最后乘V后 输出使用
        # 初始化注意力机制第三步
        # 线性变换 （96,64）
        self.attn_combine = nn.Linear(self.query_size + self.value_size2, self.output_size)

    #     Q K 都是三维数据 维度是相同的 （1,1,32）
    def forward(self, Q, K, V):
        # 采用上述第一种计算规则

        # 先进性QK的拼接以及线性变换，再经过softmax处理获得结果
        # 这里QKV都是三维张量
        # （1,32） （1,32） 在维度1 上的cat的维度为（1,64）
        # （1,64） * （64,32）
        # 结果为（1,32） 这是第一个线性变换的结果 然后在32这个维度上进行 softmax 最后的维度还是不变的
        attn_weights = F.softmax(self.attn(torch.cat((Q[0], K[0]), 1)), dim=1)

        # 然后将结果 与 V相乘 （1,1,32） @ （1,32,64）= （1,1,64）
        attn_applied = torch.bmm(attn_weights.unsqueeze(0), V)

        # 第二步，将Q与第一步的结果再进行拼接
        # （1,32） （1，64） 在第1个维度进行拼接 结果为（1,96）
        output = torch.cat((Q[0], attn_applied[0]), 1)

        # （1,96） * （96,64）=（1,64）
        # 经过unsqueeze (1,1,64)
        # 第三步，得到输出
        output = self.attn_combine(output).unsqueeze(0)
        return output, attn_weights
        # (1, 1, 64) (1,32)

query_size = 32
key_size = 32
value_size1 = 32
value_size2 = 64
output_size = 64
attn = Attention(query_size, key_size, value_size1, value_size2, output_size)
Q = torch.randn(1, 1, query_size)
print("---")
K = torch.randn(1, 1, key_size)
print(torch.cat((Q[0], K[0]), 1).shape)
V = torch.randn(1, value_size1, value_size2)
out = attn(Q, K, V)