最近想了一下，写这种技术博客，没有一定固定的格式和套路，总会觉得很乱，而且容易忘记。
所以继上周说了尽量做demo，以后我尽量会按照这个思路写技术性的博客。
- 是什么
- 细节部分
- 怎么用
话不多说，开始介绍Attention机制。
Attention的由来
由Google Mind发表的《Recurrent Models of Visual Attention》，将Attention开始在大范围使用（最早是九几年就提出来）。attention不是模型，而是一种机制，我认为它也是符合人脑思考的机制。
这种机制是什么呢，如名字一样，让模型的注意力放在重点位置。其实说简单点就是对状态加权，让模型学出权重。
比如说，nlp任务中，让模型学出需要重点关注的词，翻译的时候如果重点词对了，整个句子其实问题就不大了；CV任务中，图像中总会有主体，让模型重点研究这些主体。
这种机制和人脑的思考想一想其实是一样的。
以图说明一下
seq2seq中使用attention机制
seq2seq结构中，encoder部分，正常的输出是将最后一个时序的隐藏状态直接输入到decoder中（可以回顾一下上一节的内容），加入attention机制后，会对每一个时序状态结果进行一个加权相加，并输入到decoder，随着模型的迭代，权重自然就学习出来了，权重大的词自然是重点部分。
attention后来发展出来很多种形式，这里介绍的这一种是attention-based，其他的形式
- Soft attention、global attention、动态attention
- Hard attention
- Local attention
- 静态attention
- 强制前向attention
attention种类很多，但归纳起来就是两种：
- 一种是在attention 向量的加权求和计算方式上进行创新
- 另一种是在attention score（匹配度或者叫权值）的计算方式上进行创新
当然还有一种就是把二者都有改变的结合性创新，或者是迁移性创新，比如借鉴CNN的Inception思想等等。具体可以看这篇博客。
我想说一下Hierarchical Attention，因为这种结构，在我做的项目中近期可能会用到。
Hierarchical Attention
这种模型的网络结构是这样的
Hierarchical Attention网络结构
网络由四个部分组成：word sequence layer, word-attention layer, sentence sequence layer, and sentence-attention layer
图中可以很清楚的看到，这种结构最开始的输入words，用了一次attention后，把attention的结构输入到sentences的vector中，然后对sentences做一次attention得到一个vector，最后结softmax用于文档的分类。
具体做法是，针对每一个句子，用sequence model, 就是双向的rnn给表达出来，在这里用的是GRU cell。每个词语对应的hidden vector的输出经过变换之后和Uw相互作用（点积），结果就是每个词语的权重。加权以后就可以产生整个sentence的表示。从高一级的层面来看(hierarchical的由来)，每个document有L个句子组成，那么这L个句子就可以连接成另一个sequence model, 同样是双向GRU cell的双向rnn，同样的对输出层进行变换后和Us相互作用，产生每个句子的权重，加权以后我们就产生了对整个document的表示。最后用softmax就可以产生对分类的预测。
attention在我看来其实是一个万金油的机制，很多地方都可以用到它。
最近看了很多模型结构之后发现，现在深度学习并没有重大的进步，都是把各种结构进行组合拼接。下周我来说一下这个。
网友评论