Chương trình học Bài 144 trên tổng số 246 · Mô-đun 13: Attention và transformer
Mô-đun 13: Attention và transformer

Self-attention: mọi vị trí hỏi mọi vị trí khác

Vì sao điều này quan trọng Trong một transformer không có bộ mã hóa riêng để nhìn lại. Mọi vị trí của văn bản chú ý tới các vị trí khác, nên vector của mỗi ký tự được cập nhật với thông tin từ phần còn lại của câu.

Bắt đầu với X, một hàng cho mỗi vị trí (t hàng, d cột). Ba ma trận đã học tạo ra query, key và value của mọi vị trí cùng lúc:

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

Đây là phép tra mềm của bài học 1, làm cho cả t query cùng lúc bằng hai phép nhân ma trận, đó là lý do nó chạy rất tốt trên các thủ tục toán học nhanh.

Từ và ký hiệu trong bài học này
query, key, value
điều một vị trí tìm kiếm; điều mỗi vị trí đưa ra để được so khớp; điều nó trao đi
attention
softmax của các điểm query-key, dùng để lấy trung bình các value
self-attention
mọi vị trí chú ý tới các vị trí của cùng văn bản
Đến lượt bạn

Viết self_attention(X, Wq, Wk, Wv) trả về (out, A).

Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này

Bài tập này sẽ sớm mở.

Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.