1.视频1：self-Attention｜自注意力机制 ｜位置编码 ｜ 理论 + 代码

注意：

q-查询; k-商品标签； v-值（具体商品）

* 不是指乘法，类似概念

a1:相似度； b1:总分

 

若想了解 I   这个词  与其他词的相似度，则用q1分别乘以 k2,k3,k4

若想了解 dog   这个词  与其他词的相似度，则用q4分别乘以 k1,k2,k3

注意：

（1,4,2）  1 表示一个batch size, 4表示一个token, 2表示每个token的长度

位置编码

因为self-attention的输出没有位置信息， 将a4放在最后一个输出的b4,  与  将a4 放在第一个输出的b4,   两个b4完全相同，没有包含位置对其的影响（没有包含位置信息）

 

一共有j个token, 每个token都有i个维度，

对于奇数维度的位置编码，使用cos 生成

对于偶数维度的位置编码，使用sin 生成

2. 视频2：Multi-Head Attention | 算法 + 代码

 

上一节课讲的是 single head

这节课将multi-head,   其中 h表示head的个数

讲了 几种q,k,v的计算方法

方法1：见上个图片，w1 2x6  分成三份（每份 2x2），分别与ai相乘，分别生成三份q,每个q 1x2

方法2:先使用统一的权重， 生成q,k,v， 然后再将q,k,v, 分别切分多个 ，如q切分为q1,q2,q3,q4,q5。

形成多个head

对于每个head，向上一节课那样，分别生成b1,b2...bm

 将得到的b先按列concat,  再按行concat,  得到一个mxd 的矩阵

m表示token的个数；d表示每一个token的维度

代码实现

首先定义一个x,   (1,4,2)

1表示batch size

4表示token个数

2表示token 

 

 

实例化一个类，传入三个参数

第一个参数：dim_in表示输入中每个token的维度（即输入x的最后一个维度）

第二个参数：d_model表示如果使用single self-attention  时，qkv总的向量长度

第三个参数：num_heads表示指定head的个数

指定qkv的总向量长度为6；指定一共有3个head;

所以每个head的维度等于 6/3=2,

定义三个全连接层，分别从输入x中提取qkv

表示每个head的维度 dk

从三个全连接层分别提取q,k,v

提取的qkv的维度等于d_model   即6，  （1,4,6）

将其reshape, 将6拆分为3x2

(1,4,3,2)

3表示3个head

将3进行移动，得到

（1,3,4,2）

4,2表示每个head的qkv的维度，

此时即可以对每个head进行并行处理

第一行表示：

q乘以k的转置，再除以根号下dk,  得到相似度分数

（个人：这里感觉自已听得有问题，没有完全理解）

对dist的最后一个维度做softmax,  然后乘以v  得到b

将b的维度调整为（1,4,3,2）

4表示4个token

3表示3个head

2表示每个b的维度

再将（1,4,3,2）reshape成 （1,4,6）

b最后维度为6

再将b经过全连接层，得到最终结果  ，最终结果的维度也是（1,4,6）

个人：

听得比较迷糊

本来是想听听这个，看看能否理解YOLO11里面的PSA， 还是没有搞懂

 

参考资料：

1.self-Attention｜自注意力机制 ｜位置编码 ｜ 理论 + 代码_哔哩哔哩_bilibili

2.Multi-Head Attention | 算法 + 代码_哔哩哔哩_bilibili