Leafee98's Blog

自注意力和多头注意力

· 290 words · 1 minutes to read

自注意力 🔗

众所周知,注意力就是一个 query 和多个 key-value 对的带权和,如下:

$$ Attention(Q, K, V) = V.softmax(score(K, V)) $$

当 Q == K == V 的时候,这个计算就叫做自注意力

多头注意力 🔗

假如 Head = 4, 那么如下,其中每一个 Q,K,V 都是完整大小的 Q,K,V,相当于做了 3 次注意力,其中每一个 W 都是可以学习的参数(因为 attention 的计算方法中没有可学习的参数,所以在计算 attention 前加一个线性变换,训练这个线性变换的参数)

$$ head_1 = Attention(W_1^QQ, W_1^K, W_1^VV) \\ head_2 = Attention(W_2^QQ, W_2^K, W_2^VV) \\ head_3 = Attention(W_3^QQ, W_3^K, W_3^VV) \\ head_4 = Attention(W_4^QQ, W_4^K, W_4^VV) $$

最后,4 次 attention 结果连接起来,使用另外一个大的线性变换:

$$ Multihead(Q, K, V) = W^O[head_1, head_2, head_3, head_4] $$

参考 🔗

https://www.adityaagrawal.net/blog/deep_learning/attention