Transformer学习（1）：注意力机制

什么是注意力

在一张图像中，包含了各种信息，而我们会自动关注重要的信息。下图是注意力热力图，可以发现人们会注意兔子的脸这些重要信息。

而在深度学习中，输入数据包含了重要的数据与不重要的数据，但对于一个模型来说，它不知道哪些数据是重要的。
因此提出了注意力机制，如何在深度学习模型上使用注意力，让模型关注于重要的数据。

如何实现注意

• Query（查询）：查询的范围，可以理解为要查询什么特征。自主提示，即主观意识的特征向量
• Key（键）：被对比的项，也就是被查询物体的特征。非自主提示，即被查询物体的突出特征信息向量
• Value（值）：被查询的物体本身，也就是原图上的各个物体。代表被查询的物体本身的特征向量，通常和Key成对出现

要实现注意力机制，也就是要得到Q与V的相似度，哪些V对Q更加重要。

注意力的计算过程

① 计算Q与K的相似度
一般是使用点乘（内积）来计算Q与K中的每个事物的相似度，得到Q与$k_1$的相似度$s_1$，Q与$k_2$的相似度$s_2$等等。
然后对得到的相似度执行softmax归一化操作:$softmax(s_1,s_2,...,s_n)$得到n个概率$(a_1,a_2,a_n)$，也就是各个K对Q的重要性。

② 汇总各个物体的相似度
通过前面的计算，我们得到了各个K与Q的相似度，相当于我们得到了各个V与Q的相似度，也就是各个V的权重，此时Q已经失去作用。然后我们需要将这些相似度进行汇总，得到一张图像，这张图像上包含了哪些信息重要与不重要。

计算方法：$a_i$与$v_i$相乘，再相加，得到新的$V^{\prime }$
$V^{\prime }=a_1\ast v_1+a_2\ast v_2+...+a_n\ast v_n$

这样的话，就得到了一个新的 V’，这个新的 V’ 就包含了哪些更重要与更不重要的信息在里面，然后用 V’ 代替 V。

一般来说K=V，但在Transformer中，K可以!=V，但K与V必须存在某种联系，只有这样才能通过QK的点乘来指导V哪些重要与不重要。

③ 计算过程的问题与解决方法
在计算出QK后并进行softmax操作时，若各个概率值相差大则会导致softmax输出的值很极端。
因此需要对QK点乘的值进行缩放操作(scale)，公式如图所示，其中$d_k$是K的通道数。

通过缩放就可以避免softmax操作的输出极端，注意力机制的结构变为这样。

总结

本质上来说，注意力机制就是网络根据提供的信息Q，得到各个V的一个权重，这个权重代表着Q与V的相关性。