推斷：從數學公式來看，起到一個縮放的效果，那么體現到注意力值上，我個人的理解是可以分散注意力而不至于過于集中某個token

實驗：

描述：兩組數據，原始得分數據為【8，16，32】，縮放后的數據【1，2，3】，最終看計算出來的值的差別

import numpy as npdef softmax(x, axis=1):# 計算每行的最大值row_max = x.max(axis=axis)# 每行元素都需要減去對應的最大值，否則求exp(x)會溢出，導致inf情況row_max=row_max.reshape(-1, 1)x = x - row_max# 計算e的指數次冪x_exp = np.exp(x)x_sum = np.sum(x_exp, axis=axis, keepdims=True)s = x_exp / x_sumreturn s

?

x = np.array([[8,16,24],[1,2,3]]) np.round(softmax(x),3)array([[0. , 0. , 1. ],[0.09 , 0.245, 0.665]])

結論證明：縮放具備分散注意力的作用；原始注意力值均聚集在得分最高的那個值即24，獲得了權重為1；而縮放后，注意力值就分散些

?

總結

以上是生活随笔為你收集整理的注意力机制在softmax时需要除以一个根号8的作用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。