[人工智能]self-attention的介绍和代码手写

self-Attention

self-Attention架构

self-attention的运作方式就是,输入一排vector,输出一排vector.

输出的vector是考虑了输入的所有向量的信息.

• self-attention可以叠加很多次.
  
  可以把全连接层(FC)和Self-attention交替使用.

1. Self-attention处理整个Sequence的信息
2. FC的Network,专注于处理某一位置的咨询

Self-Attention的过程

• 它的一个架构是这样的,输出的一排$b$ 是$a$经过计算输出的.

• $b^1$是考虑了$a^1,a^2,a^3,a^4$后产生的.

• $b^2,b^3,b^4$也是考虑了$a^1,a^2,a^3,a^4$后产生的,它们的计算原理是一样的.

  计算两个输入vector相关性

• 比较常见的两种计算方法 : dot product 以及 Additive

• 其中,第一种方法, 首先让这两个向量先乘一个W(这两个w是不同的,一个是weight_q ,一个是weight_k),分别得到$q,k$,然后再做内积,得到一个score ${\alpha }_{i,j}$ 表示计算$a_i和a_j$的相关性.

• 然后$a^1$ 分别和 $a^2,a^3,a^4$计算相似度. $a^1$的$q^1$分别和$a^2,a^3,a^4$的$k^2,k^3,k^4$做内积得到attention scorce $a_{1,2}$,$a_{1,3}$,$a_{1,4}$, 在实际操作中也会计算$a^1$和自己的相似度.

• 接下来将$a_{1,1},a_{1,2}$,$a_{1,3}$,$a_{1,4}$, 经过一个soft-max层得到 $a_{1,1}^{{}^{\prime }}$ $a_{1,2}^{{}^{\prime }}$ …
  

• 然后把 $a^1$到$a^4$的每一个向量乘上$W^v$得到新的向量,分别得到$v^1,v^2,v^3,v^4$

• 接下来将$v^1$到$v^4$,每一个向量都去乘上Attention score的分数,然后在加起来得到$b^1$
  $$b^1=\sum _i{\alpha }_{1,i}^{{}^{\prime }}{v}^i$$

• 同理,$a^2,a^3,a^4$也做一样的操作得到 $b^2,b^3,b^4$ .

矩阵的角度

每一个input的vector都会产生一组$q^i,k^i,v^i$

因此,我们将每一个$a^i$左乘上一个$w^q$矩阵, 做矩阵乘法就可以得到Q矩阵,Q矩阵的每一个列就是每一个input $a^i$的$q^i$.

同理每一组$k^i,v^i$ 也是一样可以用矩阵计算.

我们知道,每一个attention $a_{i,j}$代表第i个input的$q^i$和第j个input的$k^j$内积得到.

那么,这四个步骤操作,可以用矩阵和向量相乘得到.

进而,我们可以计算所有的attention ,并经过一个softmax得到 $A^{{}^{\prime }}$

而$b^1$是通过使用$v^i$左乘$A^{{}^{\prime }}$的得到,

回顾

? 图(15)

• I 是 self-attention的 input ,Self-attention的input是一排的vector,这排vector拼起来当做矩阵的列.
• input分别乘上三个矩阵 $$w^q,w^k,w^v$$ 就得到了 Q,K,V .
• 接下来,Q乘上K的转置,得到矩阵A,在经过softmax处理得到 $A^{{}^{\prime }}$,然后左乘V就得到Output.
• 因此,self-attention里面唯一要学习的参数是W矩阵,这是需要network train的部分.

代码实例

例子分为以下步骤：

1. 准备输入
2. 初始化权重
3. 导出key, query and value的表示
4. 计算注意力得分(attention scores)
5. 计算softmax
6. 将attention scores乘以value
7. 对加权后的value求和以得到输出

假设输入:

    Input 1: [1, 0, 1, 0]     
    Input 2: [0, 2, 0, 2]  
    Input 3: [1, 1, 1, 1]

初始化参数

由于我们的input 是3个4维的vector,由图(15)需要左乘W,W的维度设置为(4,3),

$$w^k,w^q,w^v$$分别是 w_key ,w_query,w_value.

   x = [
    [1,0,1,0], # 输入1
    [0,2,0,2], #输入2
    [1,1,1,1], #输入3
    ]
    x = torch.tensor(x,dtype=torch.float32)
    # 初始化权重
    w_key = [
        [0, 0, 1],
        [1, 1, 0],
        [0, 1, 0],
        [1, 1, 0]
        ]
    w_query = [
        [1, 0, 1],
        [1, 0, 0],
        [0, 0, 1],
        [0, 1, 1]
        ]
    w_value = [
        [0, 2, 0],
        [0, 3, 0],
        [1, 0, 3],
        [1, 1, 0]
        ]
    # 转化成tensor数据类型
    w_key = torch.tensor(w_key,dtype=torch.float32)
    w_query = torch.tensor(w_query, dtype=torch.float32)
    w_value = torch.tensor(w_value, dtype=torch.float32)

查看QKV

querys = torch.tensor(np.dot(x,w_query),dtype=torch.float32)

keys = torch.tensor(np.dot(x,w_key) ,dtype=torch.float32)

计算attention

# get attention scorce
attention_scores = torch.tensor(np.dot(querys,keys.T))

softmax处理

# 计算soft-max
attention_scores_softmax = torch.tensor( softmax(attention_scores,dim=-1) )

将attention scores乘以value

weight_values = values[:,None] * attention_scores_softmax.T[:,:,None]

对加权后的value求和以得到输出

outputs = weight_values.sum(dim=0)

测试代码

import torch
import numpy as np
from torch.nn.functional import softmax
def preData():
    #
    x = [
    [1,0,1,0], # 输入1
    [0,2,0,2], #输入2
    [1,1,1,1], #输入3
    ]
    x = torch.tensor(x,dtype=torch.float32)
    # 初始化权重
    w_key = [
        [0, 0, 1],
        [1, 1, 0],
        [0, 1, 0],
        [1, 1, 0]
        ]
    w_query = [
        [1, 0, 1],
        [1, 0, 0],
        [0, 0, 1],
        [0, 1, 1]
        ]
    w_value = [
        [0, 2, 0],
        [0, 3, 0],
        [1, 0, 3],
        [1, 1, 0]
        ]
    # 转化成tensor数据类型
    w_key = torch.tensor(w_key,dtype=torch.float32)
    w_query = torch.tensor(w_query, dtype=torch.float32)
    w_value = torch.tensor(w_value, dtype=torch.float32)

    # get K, Q,V

    keys = torch.tensor(np.dot(x,w_key) ,dtype=torch.float32)
    querys = torch.tensor(np.dot(x,w_query),dtype=torch.float32)
    values = torch.tensor(np.dot(x,w_value),dtype=torch.float32)

    # get attention scorce
    attention_scores = torch.tensor(np.dot(querys,keys.T))
    print(attention_scores)
    # 计算soft-max
    attention_scores_softmax = torch.tensor( softmax(attention_scores,dim=-1) )
    print(values.shape)
    weight_values = values[:,None] * attention_scores_softmax.T[:,:,None]
    outputs = weight_values.sum(dim=0)
    return outputs

if __name__ == "__main__" :
    b = preData()
    print(b)

参考

• 代码出处

创作打卡挑战赛

赢取流量/现金/CSDN周边激励大奖