- 注意力机制是深度学习网络的载体，可以应用于注意力计算规则， 同时一些必要的全连接层和相关张量处理， 与应用网络融为一体. 使用自注意力计算规则的注意力机制称为自注意力机制.
- 说明: NLP领域中, 目前的注意机制大多用于seq2seq架构, 即编码器和解码器模型.
注意机制的作用
- 解码器端注意机制： 编码器的输出结果可以根据模型目标有效聚焦， 作为解码器输入时，提高效果. 改进以往的编码器输出是单一的长张量， 不能存储太多的信息.
- 编码器端的注意机制： 主要解决表征问题， 相当于特征提取过程， 输入的注意力表示. 一般采用自注意力(self-attention).
实现注意机制步骤
- 第一步: 根据注意力计算规则， 对Q，K，V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，则需要拼接Q和第二步的计算结果， 若为转移点积， 一般是自注， Q与V相同, 不需要与Q拼接.
- 第三步: 最后，让整个attention按指定尺寸输出机制， 在第二步结果中使用线性层进行线性变换， 得到Q的最终注意表示.
- 代码分析常见的注意机制：
import torch import torch.nn as nn import torch.nn.functional as F class Attn(nn.Module): def __init__(self, query_size, key_size, value_size1, value_size2, output_size): """初始化函数中有5个参数， query_size代表query最后一维大小 key_size代表key最后一维大小, value_size1代表value导数的二维大小， value = (1, value_size1, value_size2) value_size2代表value倒数第一维大小， output_size输出的最后一维尺寸""" super(Attn, self).__init__() # 将以下参数传入类别 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 # 初始化注意力机制在第一步实现所需的线性层. self.attn = nn.Linear(self.query_size self.key_size, value_size1) # 实现第三步所需的线性层. self.attn_combine = nn.Linear(self.query_size value_size2, output_size) def forward(self, Q, K, V): """forward函数有三个输入参数， 分别是Q, K, V, 根据模型训练常识， 输入给Attion机制的 张量一般为三维张量， 所以这里也假设Q, K, V都是三维张量""" # 第一步, 按计算规则计算， # 我们使用常见的第一个计算规则 # 将Q，K纵轴拼接， 线性变化， 最后使用softmax处理结果 attn_weights = F.softmax( self.attn(torch.cat((Q[0], K[0]), 1)), dim=1) # 然后进行第一步的后半部分， 将获得的权重矩阵和V作为矩阵乘法计算， # 当两者都是三维张量，第一维代表batch条数时, 则做bmm运算 attn_applied = torch.bmm(attn_weights.unsqueeze(0), V) # 第二步之后， 取[0]用于降维， 根据第一步采用的计算方法， # Q和第一步的计算结果需要拼接 output = torch.cat((Q[0], attn_applied[0]), 1) # 最后是第三步, 在第三步的结果上使用线性层进行线性变换和扩展维度，以获得输出 # 因为要保证输出也是三维张量， 因此使用unsqueeze(0)扩展维度 output = self.attn_combine(output).unsqueeze(0) return output, attn_weights
- 调用:
query_size = 32 key_size = 32 value_size1 = 32 value_size2 = 64 output_size = 64 attn = Attn(query_size, key_size, value_size1, value_size2, output_size) Q = torch.randn(1,1,32) K = torch.randn(1,1,32) V = torch.randn(1,32,64) out = attn(Q, K ,V) print(out[0]) print(out[1])
- 输出效果:
tensor([[[ 0.4477, -0.0500, -0.2277, -0.3168, -0.4096, -0.5982, 0.1548, -0.0771, -0.0951, 0.1833, 0.3128, 0.1260, 0.4420, 0.0495, -0.7774, -0.0995, 0.2629, 0.4957, 1.0922, 0.1428, 0.3024, -0.2646, -0.0265, 0.0632, 0.3951, 0.1583, 0.1130, 0.5500, -0.1887, -0.2816, -0.3800, -0.5741, 0.1342, 0.0244, -0.2217, 0.1544, 0.1865, -0.2019, 0.4090, -0.4762, 0.3677, -0.2553, -0.5199, 0.2290, -0.4407, 0.0663, -0.0182, -0.2168, 0.0913, -0.2340, 0.1924, -0.3687, 0.1508, 0.3618, -0.0113, 0.2864, -0.1929, -0.6821, 0.0951, 0.1335, 0.3560, -0.3215, 0.6461, 0.1532]]], grad_fn=<UnsqueezeBackward0>) tensor([[0.0395, 0.0342, 0.0200, 0.0471, 0.0177, 0.0209, 0.0244, 0.0465, 0.0346, 0.0378, 0.0282, 0.0214, 0.0135, 0.0419, 0.0926, 0.0123, 0.0177, 0.0187, 0.0166, 0.0225, 0.0234, 0.0284, 0.0151, 0.0239, 0.0132, 0.0439, 0.0507, 0.0419, 0.0352, 0.0392, 0.0546, 0.0224]], grad_fn=<SoftmaxBackward>) - 我们将在案例中详细了解和分析更多关注意力机制的应用.
小节总结
-
注意力计算规则是什么？
- 它需要三个指定的输入Q(query), K(key), V(value), 然后通过计算公式获得注意结果， 结果代表query在key和value作用下的注意力表达. 当输入的Q=K=V时, 称作自注意力计算规则.
-
常见的注意力计算规则：
- 将Q，K纵轴拼接， 线性变化， 再使用softmax处理结果最终与V进行张量乘法.
- 将Q，K纵轴拼接， 线性变化后再使用tanh函数激活, 然后进行内部求和， 最后使用softmax处理结果，然后用V做张量乘法.
- 将Q与K的转置做点积运算, 然后除以缩放系数， 再使用softmax处理结果最终与V进行张量乘法.
-
什么是注意是什么？
- 注意力机制是深度学习网络的载体，可以应用于注意力计算规则， 同时一些必要的全连接层和相关张量处理， 使其与应用网络融为一体. 自注意力计算规则的注意力机制称为自注意力机制.
-
注意机制的作用：
- 解码器端注意机制： 编码器的输出结果可以根据模型目标有效聚焦， 作为解码器输入时，提高效果. 改善以往编器输出是单一定长张量, 无法存储过多信息的情况.
- 在编码器端的注意力机制: 主要解决表征问题, 相当于特征提取过程, 得到输入的注意力表示. 一般使用自注意力(self-attention).
-
注意力机制实现步骤:
- 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.
-
学习并实现了一种常见的注意力机制的类Attn.