网站建设学习网站,做图的兼职网站,电子商务概论知识点,个人养老保险怎么缴纳67 自注意力【动手学深度学习v2】 深度学习学习笔记 学习视频#xff1a;https://www.bilibili.com/video/BV19o4y1m7mo/?spm_id_fromautoNextvd_source75dce036dc8244310435eaf03de4e330 给定长为n 的序列#xff0c;每个xi为长为d的向量#xff0c;自注意力将xi 既当…67 自注意力【动手学深度学习v2】 深度学习学习笔记 学习视频https://www.bilibili.com/video/BV19o4y1m7mo/?spm_id_fromautoNextvd_source75dce036dc8244310435eaf03de4e330 给定长为n 的序列每个xi为长为d的向量自注意力将xi 既当key又当value又当query这样对每个序列抽取特征得到y1-yn。 yi对应xi抽取的特征xi是query key-value是x1~xn。 给定一个序列对序列中的每个元素输出有点像RNN不需要额外的key’-valuequery都是一个东西都是self就不要decode encode。
跟CNN,RNN对比 CNN 计算复杂度O(knd^2) K 是看的窗口大小每次看K大小。并行度是每个输出可以做并行计算。最长路径是假设有个信息要传递到很后的地方最长序列传过去是n/k。 RNN计算复杂度O(nd^2) 每次矩阵乘法是d^2并且要做n次。并行度O(1) 也就是很糟糕必须等上一个时刻做完才能做下一个。最长路径是 x1的信息要一直传递到xn要经过On的序列。 RNN强时序的模型对序列的记忆比较好特别擅长记忆一下序列。 自注意力机制self attention O(n^2d) 算output时query要和所有的input的做乘法input长度是d所有自注意力在序列比较长时计算量比较大。并行度On每次算yi 时不影响可以继续算别的。 最长路径O(1)到任何的信息到任何一个输出直接就过去了不需要再绕即使在很远的地方也立即抓取过来。 于是自注意力机制比较适合长的序列是因为设计使得它可以看得比较宽最长路径是O(1)。 TPU是巨大的矩阵乘法做运算非常适合attention /transformer这样的架构。 位置编码 和CNN/RNN相比自注意力没有记录位置信息。加入位置信息的办法是位置编码不改变注意力机制本身将位置编码信息放到输入里面。假设有n个输入序列每个序列d 个特征n*d位置编码矩阵也是同样大小的P包含很多位置信息将PX再作为自编码的输入。 奇数列是个sin函数偶数列是一个cos函数。 x坐标是行数对应每个样本曲线分别对应第6-9维。每次加进去一点点信息。 用sincos的好处是编码的是相对的位置信息位置编码iq可以线性的投影到i的位置信息投影矩阵和序列中位置i是不相关的 这样在一个序列中假设一个词在序列中后两个位置相对应的时候他们 不论出现在序列的哪个位置对于位置信息他们可以通过同样的线性变换w找出来。这样编码用线性w 建模会比较好找这些句子的相对位置。
自注意力池化层将 xi 既当keyvalue又当query来抽取对应的yi 作为特征自注意力池化层就可以给一个序列就能输出它的元素。可以完全并行最长序列为1也就说可以看到整个序列的信息。 计算复杂度比较高。 没有位置信息在输入里面加入位置编码这样在处理时是有时序信息的。编码用的sincos函数使得序列在哪里相对位置都没有变。
QA
给一篇文章给几个问题在文章中找到答案类似于nlp中的问答。做一些推理会比较困难chatGPT自注意力机制可以理解为一个网络层就像CNN或RNN的一层理解他就是一个layer
