对attention一直停留在浅层的理解,看了几篇介绍思想及原理的文章,也没实践过,今天立个Flag,一天深入原理和源码!如果你也是处于attention model level one的状态,那不妨好好看一下啦。
内容:
- 核心思想
- 原理解析(图解+公式)
- 模型分类
- 优缺点
- TF源码解析
P.S. 拒绝长篇大论,适合有基础的同学快速深入attention,不明白的地方请留言咨询~
1. 核心思想
Attention的思想理解起来比较容易,就是在decoding阶段对input中的信息赋予不同权重。在nlp中就是针对sequence的每个time step input,在cv中就是针对每个pixel。
2. 原理解析
针对Seq2seq翻译来说,rnn-based model差不多是图1的样子:
而比较基础的加入attention与rnn结合的model是下面的样子(也叫soft attention):
其中 是 对应的权重,算出所有权重后会进行softmax和加权,得到 。
可以看到Encoding和decoding阶段仍然是rnn,但是decoding阶使用attention的输出结果 作为rnn的输入。
那么重点来了, 权重 是怎么来的呢?常见有三种方法:
思想就是根据当前解码“状态”判断输入序列的权重分布。
如果把attention剥离出来去看的话,其实是以下的机制:
输入是query(Q), key(K), value(V),输出是attention value。如果与之前的模型对应起来的话,query就是 ,key就是 ,value也是。模型通过Q和K的匹配计算出权重,再结合V得到输出:
再深入理解下去,这种机制其实做的是寻址(addressing),也就是模仿中央处理器与存储交互的方式将存储的内容读出来,可以看一下李宏毅老师的课程。
3. 模型分类
3.1 Soft/Hard Attention
soft attention:传统attention,可被嵌入到模型中去进行训练并传播梯度
hard attention:不计算所有输出,依据概率对encoder的输出采样,在反向传播时需采用蒙特卡洛进行梯度估计
3.2 Global/Local Attention
global attention:传统attention,对所有encoder输出进行计算
local attention:介于soft和hard之间,会预测一个位置并选取一个窗口进行计算
3.3 Self Attention
传统attention是计算Q和K之间的依赖关系,而self attention则分别计算Q和K自身的依赖关系。具体的详解会在下篇文章给出~
4. 优缺点
优点:
- 在输出序列与输入序列“顺序”不同的情况下表现较好,如翻译、阅读理解
- 相比RNN可以编码更长的序列信息
缺点:
- 对序列顺序不敏感
- 通常和RNN结合使用,不能并行化
5. TF源码解析
发现已经有人解析得很明白了,即使TF代码有更新,原理应该还是差不多的,直接放上来吧:
顾秀森:Tensorflow源码解读(一):AttentionSeq2Seq模型zhuanlan.zhihu.com【参考资料】: