为什么要除以根号d，而不是直接除以d呢？
人傻了，标准化的公式就是除以标准差，而d是方差，所以要开平方。属于是自问自答了。
1 Like
def masked_softmax(X, valid_lens):
"""通过在最后一个轴上掩蔽元素来执行softmax操作"""
# X:3D张量，valid_lens:1D或2D张量
if valid_lens is None:
return nn.functional.softmax(X, dim=-1)
else:
shape = X.shape
if valid_lens.dim() == 1:
valid_lens = torch.repeat_interleave(valid_lens, shape[1])
else:
valid_lens = valid_lens.reshape(-1)
# 最后一轴上被掩蔽的元素使用一个非常大的负值替换，从而其softmax输出为0
X = d2l.sequence_mask(X.reshape(-1, shape[-1]), valid_lens,
value=-1e6)
return nn.functional.softmax(X.reshape(shape), dim=-1)
valid_lens = torch.repeat_interleave(valid_lens, shape[1])这一行的shape[1]应该改成shape[0]
我理解错了，就应该复制shape[1]次
假设随机变量X，Y是均值E(X)，E(Y)为0，方差D(X)，D(Y)为1，则令Z =XY，E(Z)=E(XY)=E(X)E(Y)=0，E(Z²)=E(X²Y²)=E(X²)E(Y²)=(E(X)²-D(X))(E(Y)²-D(Y))=D(X)D(Y)，所以D(Z)=D(XY)=E(X²Y²)-E(XY)²=E(X²Y²)=D(X)D(Y)=1.
长度为d的两个向量点乘，相当于d个上述结果相加，上述推导是对应元素相乘形成的随机变量的均值与方差，则两个向量点乘，有D(Z1+…+Zd)=E([Z1+…+Zd]²)-E(Z1+…+Zd)²=E(Z1²+…+Zd²+Z1Z2…Z1Zd)-0=E(Z1²+…+Zd²)=dD(Z)=d
2 Likes
感觉还是要通过矩阵乘法将queries和keys转换到一个特征维度上来
