共计 167 个字符,预计需要花费 1 分钟才能阅读完成。
架构图
留神点
第一个点 为什么要用 scaled attention
https://blog.csdn.net/qq_3743…
- Q,K 的维度越高,QK 的内积方差越大。
- QK 的内积方差越大,softmax 后,会呈现有的维度靠近 1,其余靠近 0,的景象,这种状况下,梯度是最低的,靠近 0,学习效率低。
第二个点 Multi-Head Attention
正文完
共计 167 个字符,预计需要花费 1 分钟才能阅读完成。
https://blog.csdn.net/qq_3743…