Q、K、V是什么
[PS:本文谈论的Q、K、V只限于seq2seq结构]
- Q:指的是query,相当于decoder的内容
- K:指的是key,相当于encoder的内容
- V:指的是value,相当于encoder的内容
看到这里,是不是只想直呼卧槽,这什么鬼。不急,先看一个例子
例子
由于讨论的是seq2seq任务,于是来看看机器翻译。
假如我们要将我喜欢看电影
翻译成I like watching movies
,步骤则会如下
- 使用一种编码方式(如LSTM、CNN、Transformer等)编码中文
- 使用一种方式解码
- 机器翻译这个任务中会在
解码端
给一个开始的标记,如</s>
,我们根据这个标记传给解码端,开始生成英文,比如生成了I
这个单词,下一步当然是需要生成’like’这个单词,于是这个I
将会作为query集去查找,形象话说就是我们需要使用已经有的东西去询问一些事情。 - 去哪里查找?当然是
编码端
,也就是那些可以被查找的信息,如果原文在编码中是字向量表示则是我
、喜
、欢
、看
、电
、影
。 - 找到了返回啥的信息?返回
编码端
的信息,具体的会将我
、喜
、欢
、看
、电
、影
做一个调整再回传。
- 机器翻译这个任务中会在
到这里,对于使用Attention机制的seq2seq任务,这么理解我认为是没问题的
推荐资料
http://jalammar.github.io/illustrated-transformer/
另外,jalammar这位大神写了不少有意义的资料,推荐读一读
https://www.youtube.com/watch?v=gciHGREJdJ4
这个视频是对BERT的介绍,里面有提到对Attention机制的理解,本文的写作来自于这个人的视频。