一、结构

上面那个图其实不是那么重要，只要知道将输入的x矩阵转换成三个矩阵进行计算即可。自注意力结构的输入为 输入矩阵的三个变形 Q（query矩阵）、K（key矩阵）、V（value矩阵）构成，那么Q、K、V是如何得到的呢？

假设输入矩阵是 M*N的一个矩阵，也就是意味着输入有M个单词，则：

1.1 Q矩阵：

1.2 K矩阵：

1.3 V矩阵：

注：作为中间矩阵的行数必须是N的，否则不能做矩阵乘法，且Q、K两个矩阵必须行列一致，否则不能保持最后的Q、K、V矩阵行列一致。

二、self-Attention输出

计算公式如下：

 即计算Q矩阵与K矩阵的乘积，得到了一个N * N的矩阵，N为单词个数：

为了避免数值过大，除了向量维度的平方根。

接着计算每个单词对于其他单词的注意力系数，由于是对每一行过Softmax函数，则每行之和为1.

最后将得到的注意力系数矩阵与V矩阵相乘：

eg：word1如何计算得到z1：

 

Reference:Transformer模型详解（图解最完整版） - 知乎