如何计算self-attention中的贡献度 a

keep-hungry

于 2021-09-23 16:59:45 发布

阅读量314

点赞数

分类专栏： nlp 深度学习文章标签：深度学习自然语言处理

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_43718786/article/details/120438003

版权

本文详细解析了自我注意力(self-attention)机制中的计算流程，并通过实例演示如何计算每个词对首个词的贡献度。文中解释了为何需要学习Wq、Wk、Wv三个矩阵，以及如何利用这些矩阵构建词向量的Q、K、V表示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

对于注意力机制有很多博客都讲过了，也很好理解。但因为要写代码，具体如何计算self-attention 里贡献度比例 a 困扰了我几天。终于明白了，所以写个博客记录一下。

参考了https://lonepatient.top/2019/01/09/BERT-self-Attention.html，如果你觉得我写的太简略看不懂，参考这位的博客，他的博客比我写的详尽。

下面按计算流程进行梳理：

学习 $W^q$

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。