来自注意力权重的上下文向量

注意力机制 (attention mechanism)计算分数，它们根据查询，为每个输入元素分配一个相关性权重 (weight)（$\alpha$）。这些分数指示我们对输入序列的不同部分给予多少关注。利用这些分数可以生成一个上下文 (context)向量 (vector)。

可以将上下文向量看作输入序列的精炼概括，专门针对当前的关注点或查询进行调整。与传统RNN通常将整个输入压缩成一个单一、固定大小的向量不同，注意力机制使得我们能够生成一个动态概括，突出显示最相关的部分。

从分数到概括：加权和

核心思路非常直接：上下文 (context)向量 (vector)是通过输入序列中值向量（$v$）的加权求和来计算的。在这个求和中使用的权重 (weight)正是我们之前计算的注意力分数（$\alpha$）。

数学上，如果我们有 $n$ 个输入元素，每个元素都有一个对应的值向量 $v_i$ 和一个注意力分数 $\alpha_i$（相对于当前查询），上下文向量 $C$ 的计算方式如下：

$$C = \sum_{i=1}^{n} \alpha_i v_i$$

让我们分解来看：

1. 值向量（$v_i$）： 请记住，这些向量代表每个输入元素的内容或含义。
2. 注意力分数（$\alpha_i$）： 这些是在上一步计算的非负权重（通常通过softmax），总和为1（$\sum_{i=1}^{n} \alpha_i = 1$）。每个$\alpha_i$反映了输入元素 $i$ 对当前查询的重要性。
3. 加权和： 我们将每个值向量 $v_i$ 乘以其对应的注意力分数 $\alpha_i$。这会根据每个值向量的计算相关性来调整其贡献。对应高度相关输入（高 $\alpha_i$）的值向量将对总和贡献更多，而较不相关的输入（低 $\alpha_i$）的影响将被减小。
4. 上下文向量（$C$）： 生成的向量 $C$ 是这些加权值向量的总和。它的维度与值向量相同，但表示输入的一种混合组合，按相关性加权。

过程的可视化

想象你有三个输入词，每个词由一个值向量 (vector)（$v_1, v_2, v_3$）表示，并且你已经根据特定查询计算出它们的注意力权重 (weight)（$\alpha_1, \alpha_2, \alpha_3$）。上下文 (context)向量 $C$ 是通过根据这些权重混合这些向量形成的。

该图示说明了每个值向量（$v_i$）如何乘以其对应的注意力权重（$\alpha_i$）。这些加权向量随后被求和以生成最终的上下文向量（$C$）。

为什么这有用？

这种机制具有很强的能力，因为它允许模型在输出生成的每一步（或处理的每个元素）动态地生成输入的有关概括。

以机器翻译为例。在翻译句子时，特定输出词的含义通常很大程度上取决于输入句子中的一两个词，再加上更广的语境。传统RNN由于其序列性质和固定大小的隐藏状态，可能难以保留来自距离较远输入词的准确信息。

然而，注意力机制 (attention mechanism)在每个输出步骤为所有输入词计算权重 (weight)。生成的上下文 (context)向量 (vector)直接包含了来自最相关输入词的信息，无论它们在序列中的位置如何。这克服了固定大小上下文向量的信息瓶颈，并使得模型能够更有效地处理长距离依赖。

这个上下文向量，富含来自输入的聚焦信息，成为下一处理阶段的主要输入，例如生成序列中的下一个词或馈送到网络中的后续层。我们将在接下来的章节中清楚地看到它如何融入更大的Transformer架构。