多图预警！ Multi-Head Attention | 多头注意力 #51CTO博主之星评选#

Posted 2022-03-16 LolitaAnn

:star:注意：

1. 本篇文章需要结合self-attention食用：Self-Attention #yyds干货盘点#
2. 本篇文章参考吴恩达老师deep learning系列序列模型第四章内容。

---

在self-attention里我们提到，它的原理更类似于如何在序列模型中使用CNN的窗口，实现某个位置的注意力。我们说对于有多个意象的词，比如l’Afrique，我们要看看更关注哪一方面的含义。提取一方面的含义我们可以称之为一个头，如果要计算多方面的含义我们就可以称之为多头（multi-head）。

还是以这句话为例子：
Jane visite l’Afrique en septembre.

先回顾一下self-attention中我们说，对于输入x，我们学习不同的参数将其转化为q,k,v。
例如l’Afrique:
$$
\\beginaligned
q^<3> &=W^Q x^<3> \\
k^<3> &=W^K x^<3> \\
v^<3> &=W^V x^<3>
\\endaligned
$$

之后将当前位置的q和每一个k做运算。这一步可以根据q找到当前位置最相关的数据。

之后我们将所有的q和k的内积与v做计算并进行softmax。

l’Afrique为例，在这个句子里更关注其地理位置的属性，或者说旅游相关的方面，引发这个关注的词是visite。在这我们将最相关的标红。

到这里我们就提取出了l’Afrique（非洲）的一个意象（一个head），如果我们要提取多面的意向就要计算多头注意力，这里稍微有一点区别：

首先我们依旧像之前一样获得query、key、value向量。

之后我们要计算出每个头自己的query、key、value向量。

还是以l’Afrique为例子，$x^<3>$的query、key、value向量要乘以第一个head对应的可学习参数，得到第一个head所需要的query、key、value向量。
$$
\\beginaligned
q^<3>1 &=W^Q1 q^<3> \\
k^<3>1 &=W^K1 k^<3> \\
v^<3>1 &=W^V1 v^<3>
\\endaligned
$$

求出第一个head对应的query、key、value向量之后计算过程就和self-attention一样了，这里画图过程就省略了。

head1计算出来之后其他的head计算方法一样。

最后总结一下计算过程：

由输入获得query、key、value向量。
$$
\\beginaligned
q^<i> &=W^Q x^<i> \\
k^<i> &=W^K x^<i> \\
v^<i> &=W^V x^<i>
\\endaligned
$$

获得每个head单独的query、key、value向量：

$$
\\beginaligned
q^<i>j &=W^Qj q^<i> \\
k^<i>j &=W^Kj k^<i> \\
v^<i>j &=W^Vj v^<i>
\\endaligned
$$

query、key进行计算，获得距离：

$$
\\beginaligned
&q^<i>j · k^<1>j \\
&q^<i>j · k^<2>j \\
&...\\
&q^<i>j · k^<i-1>j \\
&q^<i>j · k^<i+1>j \\
&...\\
&q^<i>j · k^<n>j \\
\\endaligned
$$

上一步计算的值与对应的value做计算，之后将其相加获得注意力分数：

$$
\\beginaligned
&(q^<i>j · k^<1>j)v^<1>j \\
&(q^<i>j · k^<2>j)v^<2>j \\
&...\\
&(q^<i>j · k^<i-1>j)v^<i-1>j \\
&(q^<i>j · k^<i+1>j)v^<i+1>j \\
&...\\
&(q^<i>j · k^<n>j)v^<n>j \\
\\endaligned
$$
$$
\\beginaligned
attention\\quad score^<i>j = &(q^<i>j · k^<1>j)v^<1>j + ... + (q^<i>j · k^<i-1>j)v^<i-1>j + \\ &v^<i>j+(q^<i>j · k^<i+1>j)v^<i+1>j +... + (q^<i>j · k^<n>j)v^<n>_j
\\endaligned
$$

最后对其进行softmax计算：
$$
A^<i>j = softmax(attention\\quad score^<i>j).
$$