Программа курса Урок 144 из 246 · Модуль 13: Внимание и трансформеры
Модуль 13: Внимание и трансформеры

Self-attention: каждая позиция спрашивает каждую другую

Почему это важно В трансформере нет отдельного кодировщика, на который можно оглядываться. Каждая позиция текста обращает внимание на остальные, поэтому вектор каждого символа обновляется информацией из остального предложения.

Начните с X, одна строка на позицию (t строк, d столбцов). Три обучаемые матрицы сразу делают query, key и value каждой позиции:

Q = X @ Wq     K = X @ Wk     V = X @ Wv
A = softmax(Q @ K.T / sqrt(dk))      # t by t: row i is how much position i attends to each position
out = A @ V

Это мягкий поиск из урока 1, выполненный сразу для всех t queries двумя умножениями матриц, поэтому он так хорошо работает на быстрых математических процедурах.

Слова и символы этого урока
query, key, value
что ищет позиция; что каждая позиция предлагает для сопоставления; что она отдаёт
attention
softmax оценок query-key, используемый для усреднения values
self-attention
каждая позиция обращает внимание на позиции того же текста
Твоя очередь

Напишите self_attention(X, Wq, Wk, Wv), возвращающую (out, A).

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.