2026_DesignAI/04-transformer/03.1-attention.md

### 学习目标

理解Self-Attention的动机和原理

掌握Q、K、V的计算过程

了解Multi-Head Attention的优势

### 为什么需要Attention

#### 序列标注问题

`输入序列：``x₁, x₂, ..., xₙ (N``个元素``)`\
`输出序列：``y₁, y₂, ..., yₙ' (N'``个元素``)`

传统方法 (RNN/FCN)： - 固定窗口大小 - 长距离依赖丢失 - 难以并行计算

Self-Attention： - 每个元素都能关注所有元素 - 直接建模任意距离依赖 - 可以并行计算

### Self-Attention原理

#### 核心思想 {#核心思想-1}

为每个输出元素，计算输入序列中所有元素的相关性：

`对于每个位置``i``：`\
`    yᵢ = Σ (``注意力权重`` × ``对应输入值``)`

#### Q、K、V计算

`输入``X → ``三个线性变换`\
`    ↓`\
`Q (Query):   "``我想找什么``"`\
`K (Key):     "``我有什么标签``"`\
`V (Value):   "``我的实际内容``"`

#### 注意力分数计算

`1. ``计算相似度：``Score = Q × Kᵀ`

`2. ``缩放：``Score = Score / √dₖ`

`3. ``Softmax``：``Weight = ``softmax``(Score)`

`4. ``加权求和：``Output = Weight × V`

#### 直观理解 {#直观理解-2}

`查询：``"``苹果``"`\
`  ↓`\
`与所有``Key``计算相似度`\
`  ↓`\
`权重高的``Key``对应``Value``贡献更大`\
`  ↓`\
`输出：融合上下文的``"``苹果``"``表示`

### Multi-Head Attention

单头 vs 多头

**单头注意力**：

`一组``Q``、``K``、``V → ``一个注意力表示`

**多头注意力**：

`多组``Q``、``K``、``V → ``多个注意力表示`` → ``拼接`

#### 多头优势

  ---------------------
  头       关注内容
  -------- ------------
  Head 1   语法关系

  Head 2   语义指代

  Head 3   长距离依赖

  ...      ...
  ---------------------

多头让模型从不同角度理解序列。

### Positional Encoding

#### 问题

Self-Attention本身是**置换不变**的：

`Attention(``[A, B, C]) = Attention([B, A, C])`

但序列位置很重要！

#### 解决方案

添加位置信息：

`输入`` = X + ``PositionalEncoding`

常用方法： - 正弦/余弦位置编码 - 可学习位置编码

### Self-Attention vs CNN

感受野对比

  ------------------------------------
  层级   CNN          Self-Attention
  ------ ------------ ----------------
  单层   局部感受野   全局感受野

  深层   逐层扩大     始终全局
  ------------------------------------

计算复杂度

  --------------------------------------
  操作     CNN          Self-Attention
  -------- ------------ ----------------
  复杂度   O(k²·C)      O(n²·d)

  n        图像尺寸     序列长度

  k        卷积核大小   \-
  --------------------------------------

### 思考与练习

1.为什么Attention需要Scaling (除以√dₖ)？

2.Multi-Head Attention中，头数越多越好吗？

3.Self-Attention如何应用在图像上？

### 关键术语

  ------------------------------------------------------
  中文       英文                 说明
  ---------- -------------------- ----------------------
  查询       Query                查询向量

  键         Key                  键向量

  值         Value                值向量

  缩放点积   Scaled Dot-Product   注意力计算方式

  掩码       Mask                 屏蔽某些位置的注意力
  ------------------------------------------------------

### 延伸阅读

[Attention Is All You Need](https://arxiv.org/abs/1706.03762)

[The Illustrated Transformer](https://jalammar.github.io/illustrated-transformer/) \# 03.2 Transformer架构