【科研】浅学Cross |
您所在的位置:网站首页 › fingeres cross什么意思 › 【科研】浅学Cross |
Cross-Attention in Transformer Architecture 最近,CrossViT让我所有思考,这种能过够跨膜态的模型构建?浅学一下吧! 目录 1.Cross attention概念 2.Cross-attention vs Self-attention 3.Cross-attention算法 4.Cross-Attention 案例-感知器IO 1.Cross attention概念 Transformer架构中混合两种不同嵌入序列的注意机制两个序列必须具有相同的维度两个序列可以是不同的模式形态(如:文本、声音、图像)一个序列作为输入的Q,定义了输出的序列长度,另一个序列提供输入的K&Vps:不知道QKV的先去普及一下Attention的基础、更专业的学习资源here吧! 2.Cross-attention vs Self-attentionCross-attention的输入来自不同的序列,Self-attention的输入来自同序列,也就是所谓的输入不同,但是除此之外,基本一致。 具体而言, self-attention输入则是一个单一的嵌入序列。 Cross-attention将两个相同维度的嵌入序列不对称地组合在一起,而其中一个序列用作查询Q输入,而另一个序列用作键K和值V输入。当然也存在个别情况,在SelfDoc的cross-attention,使用一个序列的查询和值,另一个序列的键。总而言之,QKV是由两序列拼凑的,不单一。 3.Cross-attention算法感知器IO是一个通用的跨域架构,可以处理各种输入和输出,广泛使用交叉注意: 将非常长的输入序列(如图像、音频)合并到低维潜在嵌入序列中合并“输出查询”或“命令”来解码输出值,例如我们可以让模型询问一个掩码词这样做的好处是,通常可以处理很长的序列。层次感知器能够处理更长的序列,将它们分解成子序列,然后合并它们。层次感知器也学习位置编码与一个单独的训练步骤,重建的损失。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |