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

  BERT可以用于文本聚类吗? 
  自然语言处理怎么最快入门? 
  卷积神经网络如果将池化层去除,与神经网络的区别还大么? 
  在计算资源有限的情况下,有什么深度学习的选题可以推荐/避免? 
  如何理解attention中的Q,K,V? 
  当前人工智能特别是深度学习最前沿的研究方向是什么? 
  如何评价 DeepMind 公布的可生成算法竞赛解题代码的 AlphaCode? 
  如何评价 PyTorch 团队推出的推荐系统库 TorchRec? 
  为什么在SGD中使用L1正则化很难获得稀疏性? 
  为什么deep lab v3起,输出不再接 DenseCRF了? 

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?





© 2025-03-23 - tinynew.org. All Rights Reserved.
© 2025-03-23 - tinynew.org. 保留所有权利