【attention|Tensorformer】从attention走向Transformer

news2024/11/28 14:11:47

every blog every motto: You can do more than you think.
https://blog.csdn.net/weixin_39190382?type=blog

0. 前言

概括
说明： 后续增补

1. 正文

1.0 通俗理解

人类视觉的注意力，简单说就第一眼会注意在一幅图像的重要位置上。
在这里插入图片描述
而在程序中，不管是CV还是NLP，都是对数据进行进行计算（可以理解为数组里面的数字）。在这其中，注意力是怎么呈现的呢？两个字概括：权重。通过权重把重要的数据“挑出来”，重点关注。

所以简单可以概括为：
$y = x * h$
这里的h就是注意力（权重），对x施加注意力（重点关注部分数据）。

1.1 深度学习之前

在深度学习中注意力之前就有关注意力的研究，主要在计算级视觉注意力（computational visual attention），时间大约是2000-2010年。
在这里插入图片描述

1.2 深度学习

在这里插入图片描述

1.2.1 NLP

在NLP中，最早的是由Bahdanau等人于2014年提出的 Neural Machine Translation by Jointly Learning to Align and Translate（在arxiv上第一版的时间是2014.9.1）

在之前的机器翻译中，编解码网络（Encoder-Decoder）会将所有数据编码到到一个固定的长度，Cho（和Bahdanau一伙的）等发现随着句子长度的增加，网络性能会出现迅速下降。随后Bahdanau提出了RNNsearch
在这里插入图片描述

1.2.2 CV

在CV领域最早的是Mnih等人提出的Recurrent Models of Visual Attention（在arxiv上第一版的时间是2014.6.24）
在这里插入图片描述

1.2.3 发展

与注意力相关的网络发展如下：
在这里插入图片描述

根据位置可分为如下：

通道注意力（channel attention）
空间注意力（sptail attention）
时间注意力（temporal attention）
分支注意力（branch attention）
通道和空间注意力（channel & spatial attention）
时间和空间注意力（temporal & spatial attention）

SE-Net
CVPR-2018
在这里插入图片描述
SK-Net
CVPR-2019
https://arxiv.org/pdf/1903.06586.pdf

ECA-Net
CVPR-2020

CBAM
CVPR-2018

BAM
BMC-2018
https://arxiv.org/pdf/1807.06514.pdf

No-local
CVPR-2018
https://arxiv.org/pdf/1711.07971.pdf

DA-Net
CVPR-2019
https://arxiv.org/pdf/1809.02983.pdf
在这里插入图片描述
ANLNet
ICCV-2019
https://arxiv.org/pdf/1908.07678.pdf

GC-Net
ICCV-2019
https://arxiv.org/pdf/1904.11492.pdf

GSoP-Net
CVPR-2019
https://arxiv.org/pdf/1811.12006.pdf

1.2.4 统一

一般来说，注意力可用如下形式表述：
$a tt e n t i o n = h * x$
h即权重，即我们所说的注意力，x为原始输入。更一般的表述为：
$A tt e n t i o n = f (g (x), x)$
g(x)可以表示产生注意力。f(g(x)，x)表示对输入数据施加注意力。

从上图可以看到，关于注意力的生成五花八门，但最终注意力需要与输入相乘，即通过权重扩大部分数据，缩小部分数据。

关于输入数据，我们也可以通过参数变换到另一种空间

对于Transformer:
在这里插入图片描述
对于SE-Net

不管是卷积还是全连接，整体网络都是从一堆数据到另一堆数据，不断重复这个过程。
而注意力是从一堆数据中挑选部分数据出来进行这个过程，所以更加高效。更极致的，整个网络都使用注意力，那么在整个网络中流淌着都是有用的数据，这便是Transformer。

1.2.5 Transformer

5.1 标准情况

内部核心是self-attention，所以我们看下self-attention

我们的是输入是英文，
在这里插入图片描述
通过embedding转换成向量

我们需要g(x) 和x，我们通过Wq，Wk,Wv把上面两个向量映射到另一个空间，

我们现在需要计算权重g(x)。对于与x1相关的权重，

这里插一条，点积（dot prodcut）的几何意思是两个向量的相似度，值越大越相似。计算相似度也有其他方法，这里用的是点积。
在这里插入图片描述
调整相似度。因为值比较大，所以用一些方法将这个值缩到一个较小的范围，最终这个值也就是我们的权重。

最后用我们的权重乘以对应的x（注意这个的x我们已经映射到一个新的空间v）

我们得到了第一个输入thinking与其他输入的相关性（权重），同时也施加了注意力。最后我们将第一个输入所施加的注意力求和。

在这里插入图片描述
至此，我们对第一个输入与其他输入之间添加了注意力。

5.2 朴素情况

对于一个更朴素的情况。我们不对输入x进行空间变换，即不映射到3个空间，q，k，v都为x。
在这里插入图片描述
这里score，x1*x1，自己和自己和最相似，所以值自然也是最大的。（图中值没做替换，仅做一般性参考）

5.3 相似度计算

点积 (上面用的是这个）
cos
串联 w[:q;k]
MLP

5.4 “向量”形式

上面是逐个单词计算，实际上可以一起计算

在这里插入图片描述

参考

[1] https://arxiv.org/pdf/1811.12006.pdf
[2] https://arxiv.org/pdf/1904.11492.pdf
[3] https://arxiv.org/pdf/1908.07678.pdf
[4] https://arxiv.org/pdf/1809.02983.pdf
[5] https://arxiv.org/pdf/1711.07971.pdf
[6] https://arxiv.org/pdf/1807.06514.pdf
[7] https://arxiv.org/pdf/1903.06586.pdf
[8] https://arxiv.org/pdf/1409.0473v6.pdf
[9] https://arxiv.org/pdf/1409.1259.pdf
[10] https://zhuanlan.zhihu.com/p/33345791
[11] https://zhuanlan.zhihu.com/p/379722366
[12] https://zhuanlan.zhihu.com/p/631398525
[13] https://easyai.tech/ai-definition/attention/
[14] https://zhuanlan.zhihu.com/p/359975221
[15] https://www.cnblogs.com/wangxuegang/p/16901089.html
[16] https://zhuanlan.zhihu.com/p/388122250
[17] https://www.cnblogs.com/wangxuegang/p/16901089.html
[18] https://blog.csdn.net/amusi1994/article/details/118347925#t19
[19] https://blog.csdn.net/Tink1995/article/details/105012972#t4
[20] https://blog.csdn.net/weixin_39190382/article/details/117711239?spm=1001.2014.3001.5502
[21] https://zhuanlan.zhihu.com/p/82312421