什么是注意力機(jī)制？注意力機(jī)制的計(jì)算規(guī)則

我們觀察事物時(shí)，之所以能夠快速判斷一種事物(當(dāng)然允許判斷是錯(cuò)誤的)，是因?yàn)槲覀兇竽X能夠很快把注意力放在事物最具有辨識(shí)度的部分從而作出判斷，而并非是從頭到尾的觀察一遍事物后，才能有判斷結(jié)果，正是基于這樣的理論，就產(chǎn)生了注意力機(jī)制。

什么是注意力計(jì)算規(guī)則：

它需要三個(gè)指定的輸入Q(query)，K(key)，V(value)，然后通過(guò)計(jì)算公式得到注意力的結(jié)果，這個(gè)結(jié)果代表query在key和value作用下的注意力表示.當(dāng)輸入的Q=K=V時(shí)，稱作自注意力計(jì)算規(guī)則。

常見(jiàn)的注意力計(jì)算規(guī)則：

|| ·將Q，K進(jìn)行縱軸拼接，做一次線性變化，再使用softmax處理獲得結(jié)果最后與V做張量乘法。

|| ·將Q，K進(jìn)行縱軸拼接，做一次線性變化后再使用tanh函數(shù)激活，然后再進(jìn)行內(nèi)部求和，最后使用softmax處理獲得結(jié)果再與V做張量乘法.

|| ·將Q與K的轉(zhuǎn)置做點(diǎn)積運(yùn)算，然后除以一個(gè)縮放系數(shù)再使用softmax處理獲得結(jié)果最后與V做張量乘法。

說(shuō)明：當(dāng)注意力權(quán)重矩陣和V都是三維張量且第一維代表為batch條數(shù)時(shí), 則做bmm運(yùn)算.bmm是一種特殊的張量乘法運(yùn)算。

bmm運(yùn)算演示:

# 如果參數(shù)1形狀是(b × n × m), 參數(shù)2形狀是(b × m × p), 則輸出為(b × n × p)
>>> input = torch.randn(10, 3, 4)
>>> mat2 = torch.randn(10, 4, 5)
>>> res = torch.bmm(input, mat2)
>>> res.size()
torch.Size([10, 3, 5])

注意力機(jī)制的作用

在解碼器端的注意力機(jī)制：能夠根據(jù)模型目標(biāo)有效的聚焦編碼器的輸出結(jié)果，當(dāng)其作為解碼器的輸入時(shí)提升效果，改善以往編碼器輸出是單一定長(zhǎng)張量，無(wú)法存儲(chǔ)過(guò)多信息的情況。

在編碼器端的注意力機(jī)制：主要解決表征問(wèn)題，相當(dāng)于特征提取過(guò)程，得到輸入的注意力表示。般使用自注意力(self-attention)。

注意力機(jī)制實(shí)現(xiàn)步驟

第一步：根據(jù)注意力計(jì)算規(guī)則，對(duì)Q，K，V進(jìn)行相應(yīng)的計(jì)算

第二步：根據(jù)第一步采用的計(jì)算方法，如果是拼接方法，則需要將Q與第二步的計(jì)算結(jié)果再進(jìn)行拼接，如果是轉(zhuǎn)置點(diǎn)積一般是自注意力，Q與V相同，則不需要進(jìn)行與Q的拼接

第三步：最后為了使整個(gè)attention機(jī)制按照指定尺寸輸出，使用線性層作用在第二步的結(jié)果上做個(gè)線性變換，得到最終對(duì)Q的注意力表示

常見(jiàn)注意力機(jī)制的代碼分析：

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):
        """初始化函數(shù)中的參數(shù)有5個(gè), query_size代表query的最后一維大小
           key_size代表key的最后一維大小, value_size1代表value的導(dǎo)數(shù)第二維大小, 
           value = (1, value_size1, value_size2)
           value_size2代表value的倒數(shù)第一維大小, output_size輸出的最后一維大小"""
        super(Attn, self).__init__()
        # 將以下參數(shù)傳入類中
        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

        # 初始化注意力機(jī)制實(shí)現(xiàn)第一步中需要的線性層.
        self.attn = nn.Linear(self.query_size + self.key_size, value_size1)

        # 初始化注意力機(jī)制實(shí)現(xiàn)第三步中需要的線性層.
        self.attn_combine = nn.Linear(self.query_size + value_size2, output_size)


    def forward(self, Q, K, V):
        """forward函數(shù)的輸入?yún)?shù)有三個(gè), 分別是Q, K, V, 根據(jù)模型訓(xùn)練常識(shí), 輸入給Attion機(jī)制的
           張量一般情況都是三維張量, 因此這里也假設(shè)Q, K, V都是三維張量"""

        # 第一步, 按照計(jì)算規(guī)則進(jìn)行計(jì)算, 
        # 我們采用常見(jiàn)的第一種計(jì)算規(guī)則
        # 將Q，K進(jìn)行縱軸拼接, 做一次線性變化, 最后使用softmax處理獲得結(jié)果
        attn_weights = F.softmax(
            self.attn(torch.cat((Q[0], K[0]), 1)), dim=1)

        # 然后進(jìn)行第一步的后半部分, 將得到的權(quán)重矩陣與V做矩陣乘法計(jì)算, 
        # 當(dāng)二者都是三維張量且第一維代表為batch條數(shù)時(shí), 則做bmm運(yùn)算
        attn_applied = torch.bmm(attn_weights.unsqueeze(0), V)

        # 之后進(jìn)行第二步, 通過(guò)取[0]是用來(lái)降維, 根據(jù)第一步采用的計(jì)算方法, 
        # 需要將Q與第一步的計(jì)算結(jié)果再進(jìn)行拼接
        output = torch.cat((Q[0], attn_applied[0]), 1)

        # 最后是第三步, 使用線性層作用在第三步的結(jié)果上做一個(gè)線性變換并擴(kuò)展維度，得到輸出
        # 因?yàn)橐ＷC輸出也是三維張量, 因此使用unsqueeze(0)擴(kuò)展維度
        output = self.attn_combine(output).unsqueeze(0)
        return output, attn_weights

調(diào)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])

輸出效果:

tensor([[[ 0.4477, -0.0500, -0.2277, -0.3168, -8.4096, -0.5982, 0.1548,
-8.8771, -8.0951. 8.1833. 8.3128. 8.1260, 8.4420. 8.8495.
-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, -8.0182, -8.2168, 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, 0.8225, 0.0234, 0.0284, 0.0151, 0.0239, 0.0132, 0.0439, 0.0507,
0.0419, 8.0352, 8.0392, 8.0546, 0.0224]], grad_fn=<SoftmaxBackward>)