美文网首页
2021-02-05

2021-02-05

作者: 静一下1 | 来源:发表于2021-02-04 23:51 被阅读0次

1.整体结构

2.特征提取：

Fbank：

特征处理：标准化

3.位置编码

初始的inputs：

4.Attention

缩放因子的作用在论文中提到是为了缓解当过大时带来的softmax梯度过小问题：

举个例子    假定输入为   x=【a,a,2a】

然后我们来看softmax的梯度。不妨简记softmax函数为 g(.) ，softmax得到的分布向量 \hat{y} = g(x) 对输入x  的梯度为：

记X=q_i,Y=k_i, 有D(X)=D(Y)=1,E(X)=E(Y)=0 

则：

E(XY)=E(X)E(Y)=0 \times 0=0

D(XY)=E(X^2 \cdot Y^2)-[E(XY)]^2 \\ =E(X^2)E(Y^2)-[E(X)E(Y)]^2\\=E(X^2 - [E(X)]^2)E(Y^2-[E(Y)]^2)-[E(X)E(Y)]^2\\=D(X)D(Y)-[E(X)E(Y)]^2 \\=1\times 1 -(0\times0)^2\\=1

对相互独立的分量Z_i,有

E(\sum_i Z_i)=\sum_i E(Z_i)

D(\sum_i Z_i)=\sum_i D(Z_i)

所以：E(q\cdot k)=0,D(q\cdot k)=d_k（下面做了一个验证）,方差越大也就说明，点积的数量级越大。

除以可以让方差稳定在1，因为D(q\cdot k/\sqrt{d_k})=d_k/(\sqrt{d_k})^2=1,将方差控制为1，也就有效地控制了前面提到的梯度消失的问题。

相关文章

网友评论

      本文标题：2021-02-05

      本文链接：https://www.haomeiwen.com/subject/poxitltx.html

      延伸阅读

      深度阅读

      • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

      栏目导航

      热点阅读

      关于我们|服务条款|联系我们|2021-02-05|投稿指南|网站地图|RSS订阅|排版工具|手机版

      提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

      Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

      备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

      本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

      所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！