百科问答小站 logo
百科问答小站 font logo



深度学习attention机制中的Q,K,V分别是从哪来的? 第1页

  

user avatar   huo-hua-de-41 网友的相关建议: 
      

Q,K,V思想最早应该是来自于Memory Networks。

准确说Memory Networks并不只是一个模型,而是一套思路,使用外部的一个memory来存储长期记忆信息,因为当时RNN系列模型使用final state 存储的信息,序列过长就会遗忘到早期信息。

甚至,我觉得Memory Networks的思想后面启发了self-attention和transformer。最重要的就是提出了query - key - value思想,当时的该模型聚焦的任务主要是question answering,先用输入的问题query检索key-value memories,找到和问题相似的memory的key,计算相关性分数,然后对value embedding进行加权求和,得到一个输出向量。这后面就衍生出了self-attention里的Q,K,V表示,在self-attention里的把X映射到QKV。

具体的实现呢,邱老师的讲座里说的很清楚了。QKV是输入的X乘上Wq, Wk, Wv三个矩阵得到的。全用X不是不可以,但参数太少,影响模型容量。




  

相关话题

  大三电子类专业要分流,大家能给个建议吗? 
  如何理解 Swin Transformer 和 Vision Transformer不同任务上的差异? 
  是不是并不是所有问题都适合用神经网络预测? 
  word2vec有什么应用? 
  人工智能、模式识别领域最终是否会被一种本质、通用的算法主导? 
  做中文 NLP 的时候,大家为啥不用拼音? 
  如何评价FAIR团队最新推出的RegNet? 
  现在的BERT等语言模型,最快训练要多久? 
  消融实验是什么? 
  目前 AI 在疾病的诊断和治疗上,有哪些成功的应用? 

前一个讨论
2021 年 10 月 24 日南航材料实验室爆炸,生化环材问题又冲上热搜,你是如何看待的呢?
下一个讨论
男人也有痴情长情的,那为啥总有人说痴心女子负心汉呢?





© 2025-02-27 - tinynew.org. All Rights Reserved.
© 2025-02-27 - tinynew.org. 保留所有权利