注意力分数
刚刚的注意力权重，如何设计使得和我们现在的东西比较相像？里面一个东西叫做注意力分数。
可以看看之前的使用过了高斯核的注意力。
上图有一堆key-value pair（训练时候的x和y），输入一个query（推理时候的x），然后query和每一个key做一个计算，得到一个注意力分数a，然后这些注意力分数a经过softmax得到注意力权重，然后(alpha(x,x_i)y_i)就可以得到一个注意力的输出。
拓展到高维度，就是这些向量可以是长度不同的，应该怎么处理呢？
可加性的注意力是什么意思？
k是长度为k的向量，q是长度为q的向量，那么(W_kk)会得到一个长度为h的向量，(W_qq)也会得到一个长度为h的向量，然后将两个向量加起来，再和长度为h向量v进行计算。
好处：key，value可以是任意的长度
如何query和key的长度一样，长度为d，那么最简单的方式就是不学东西，直接query和key进行内积，在除$sqrt{d} $
这个操作就是让其相对来说对参数没有那么敏感。
这个的好处是不用学习参数。
代码
QA
- 把之前的x和x_i换成了q和k_i吗？
是的，之前核方法的注意力那里使用的是x和x_i，这里换成了q和k_i。
沐神说干脆下次把书的公式进行统一，统一为q和k_i。