Transformer and Pretrain Language Models3-2

transformer structure注意力机制的各种变体

第二种变体：

如果两个向量的维度不一样，我们就需要在中间加上一个权重矩阵，来实现他们之间的相乘，然后最后得到一个标量

第三种变体：

additive attention

它和前面的有一个比较大的不同，它使用了一层的前馈神经网络，来将两个向量变成一个标量，来得到注意力分数

在这个变体中，w1、w2和v，分别是两个权重矩阵和一个权重向量；tanh是一个激活函数。这样的话最后也可以得到一个标量，作为前面的注意力分数

此外还有许多其他的变体，可执行查找了解。