Applications …

Self-attention 当然是用得很广，我们已经提过很多次 transformer 这个东西

那我们大家也都知道说，在 NLP 的领域有一个东西叫做 BERT，BERT 里面也用到 Self-attention，所以 Self-attention 在 NLP 上面的应用，是大家都耳熟能详的

但 Self-attention，不是只能用在 NLP 相关的应用上，它还可以用在很多其他的问题上，

Self-attention for Speech

比如说在做语音的时候，你也可以用 Self-attention，不过在做语音的时候，你可能会对 Self-attention，做一些小小的改动，因为一般语音的，如果你要把一段声音讯号，表示成一排向量的话，这排向量可能会非常地长，

而每一个向量，其实只代表了 10 millisecond 的长度而已，所以如果今天是 1 秒钟的声音讯号，它就有 100 个向量了，5 秒钟的声音讯号，就 500 个向量了，你随便讲一句话，都是上千个向量了。

所以一段声音讯号，你要描述它的时候，那像这个 vector 的 sequence 它的长度是非常可观的，那可观的 sequence，可观的长度，会造成什么问题呢

你想想看，我们今天在计算这个 attention matrix 的时候，它的 计算complexity 是长度的平方

计算这个 attention matrix A′你需要做 L 乘以 L 次的 inner product，那如果这个 L 的值很大的话，它的计算量就很可观，你也需要很大的这个 memory，才能够把这个矩阵存下来

所以今天如果在做语音辨识的时候，一句话所产生的这个 attention matrix，可能会太大，大到你根本就不容易处理，不容易训练，所以怎么办呢

在做语音的时候，有一招叫做 Truncated Self-attention

Truncated Self-attention 做的事情就是，我们今天在做 Self-attention 的时候，不要看一整句话，就我们就只看一个小的范围就好

那至于这个范围应该要多大，那个是人设定的

那为什么我们知道说，今天在做语音辨识的时候，也许只需要看一个小的范围就好，那就是取决于你对这个问题的理解，也许我们要辨识这个位置有什么样的phoneme，这个位置有什么样的内容，我们并不需要看整句话，只要看这句话，跟它前后一定范围之内的资讯，其实就可以判断。

所以如果在做 Self-attention 的时候，也许没有必要看过一整个句子，也许没有必要让 Self-attention 考虑一整个句子，也许只需要考虑一个小范围就好，这样就可以加快运算的速度，这个是 Truncated Self-attention。

Self-attention for Image

我们都说 Self-attention 适用的范围是：输入是一个 vector set 的时候，那其实一张图片，我们也可以换一个观点，把它看作是一个 vector 的 set

这个是一个解析度 5 乘以 10 的图片，那这一张图片呢，可以看作是一个 tensor，这个 tensor 的大小是 5 乘以 10 乘以 3，3 代表 RGB 这 3 个 channel。你可以把每一个位置的 pixel，看作是一个三维的向量，所以每一个 pixel，其实就是一个三维的向量，那整张图片，其实就是 5 乘以 10 个向量的set。所以我们其实可以换一个角度，影像这个东西，其实也是一个 vector set，它既然也是一个 vector set 的话，你完全可以用 Self-attention 来处理一张图片，那有没有人用 Self-attention 来处理一张图片呢，是有的

那这边就举了两个例子，来给大家参考，那现在把 Self-attention 用在影像处理上，也不算是一个非常石破天惊的事情。