Programme Leçon 141 sur 246 · Module 13 : Attention et transformers
Module 13 : Attention et transformers

L'attention est une recherche douce

Pourquoi c'est important L'attention est la seule idée nouvelle d'un transformer. Tout le reste, tu le connais déjà. C'est une recherche dans un dictionnaire qui, au lieu de choisir une entrée, les mélange toutes.

Vois-le

Lance l'animation. Un dictionnaire Python fait correspondre une clé exactement et renvoie une valeur. L'attention a une requête q, une liste de clés et une liste de valeurs. Elle note la requête face à chaque clé avec un produit scalaire, transforme les scores en poids avec softmax (positifs, qui font 1 au total), et renvoie la moyenne pondérée des valeurs.

weights = softmax(K @ q)
output  = weights @ V

De tout petits nombres

q = [1, 0]. Les clés [2, 0], [0, 2], [0, 0] donnent les scores 2, 0, 0. Softmax : e^2 = 7.39 et 1 et 1, donc les poids valent 0.79, 0.11, 0.11. Avec les valeurs 10, 20, 30, la sortie vaut 0.79 fois 10 + 0.11 fois 20 + 0.11 fois 30 = 13.2 : surtout la première valeur, un peu des autres.

Requête, clé, valeur : ce que je cherche ; ce que chaque élément propose pour la correspondance ; ce que chaque élément remet s'il correspond.

Mots et symboles de cette leçon
requête, clé, valeur
ce que cherche une position ; ce que chaque position propose pour la correspondance ; ce qu'elle remet
attention
le softmax des scores requête-clé, utilisé pour faire la moyenne des valeurs
À ton tour

Écris attend(q, K, V) pour une requête : renvoie (weights, output).

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.