NLP学习笔记：Attention_编码器和解码器中加入attention模块

1 什么是Attention?

        简单地说就是只关注必要的信息，并根据该信息进行时序转换。具体实现：在seq2seq的编码器中将每个时刻的隐藏状态ht汇总为hs传入解码器，然后在解码器中添加Attention层，该层负责把编码器中传进来的对应时刻的ht选出来标记为上下文向量c；然后将LSTM 层的输出的h和 c拼接起来传入下一层。

        Attention层主要实现的内容：选出对应时刻的隐藏状态 ht 。为了可反向传递梯度，将选择这一操作转换为：c=hs*a；

        a为hs中各个向量对应的权重矩阵；a=softmax(h*hs);h为解码器中LSTM层的输出，h*hs为内积计算hs中个行向量与h的相似度。

        具体结构如下图：

2 Attention:关注必要的信息，找到两个时序数据之间的对应关系；比如在翻译应用中：找出翻译目标词对应的翻译源词信息。

3 repeat节点的反向传播是sum;sum节点的反向传播是repeat、

4 双向RNN：两个LSTM层按相反方向传递隐藏状态，最后将各个时刻两层LSTM的隐藏状态向量拼接（求和、取平均也可以）起来，作为最终隐藏状态向量。双向RNN，从左右两个方向聚集信息，这样一来向量的编码有了更均衡的信息。

5 残差连接：skip connection；跨层连接，应对网络深度方向梯度消失或梯度爆炸。跨层连接时，在连接处两个输出被相加，加法的反向传播，梯度被原样传播，不会出现梯度消失或爆炸。

6 时间方向应对梯度消失和爆炸：LSTM、GRU、梯度裁剪。
   
7 Attention的应用：Neural Machine Translation 神经机器翻译，GNMT谷歌神经机器翻译；Transformer（用Attention代替RNN）；神经图灵机NTM（DNC可微分的神经计算机）。

8 Transformer：使用了self-Attention技巧，self-Attention的两个输入为同一时序数据，可以求得数据内部各元素间的对应关系；Transformer可进行并行计算，使得学习时间大幅减少。

9 神经图灵机（可微分的神经计算机）：基于外部存储装置，利用神经网络复现计算机的内存操作。