输出

我们会遇到不同的任务，针对输出的不一样，我们对任务进行划分

给多少输出多少

给一堆向量，输出一个label，比如说情感分析

还有一种任务是由机器决定的要输出多少个label，seq2seq的任务就是这种，翻译也是

Sequence Labeling

如果要考虑时序信息，每次可以选取前后固定长度的信息输入到fc层，但是运算量很大需要的参数也很多

新的方法能考虑整个input sequence

fc专注处理某一个位置的信息，self-attention来考虑整个sequence的信息

模型细节

每个b都是考虑整个sequence来产生的

那么是如何产生的？

我们需要找到一些相关的向量来帮助决定$a^1$，用$\alpha$来表示相关的重要性

那么怎么决定$\alpha$呢，有两种方式

用$a^1$分别与其他的向量分别进行计算相关性

一般而言，也会跟自己计算相关性

然后接一个softmax

根据attention的分数，也就是计算出来的每一个$\alpha$值来抽取重要的信息

转换为矩阵运算形式：

多头注意力

多头注意力是自注意力的一个进阶的版本

多头注意力的关键在于Q是有不同的多个进行询问的，这样带来的好处与卷积也比较类似，我们采用不同的Q来负责不同种类的相关性

计算方式上，与自注意力机制比较类似，每个计算过程中 只关注对应的（比如计算1的时候只把1拿出来）

位置编码

有时位置的距离也比较重要，我们需要存储位置的信息

For Image

横着来看做一个vector，众多vector作为输入，输入进model