神經網絡中的注意機制（attention mechanism），也被稱為神經注意（neural attention）或注意（attention），最近也得到了人們越來越多的關注。在本文中，作者將嘗試為不同機制和用例找到共同點，此外還將描述并實現兩個軟視覺注意（soft visual attention）機制范例。本文作者 Adam Kosiorek 為牛津大學在讀博士。

注意機制是什么？

我們可以粗略地把神經注意機制類比成一個可以專注于輸入內容的某一子集（或特征）的神經網絡：它可以選擇特定的輸入。設 x∈R^d 為輸入，z∈R^k 為特征向量，a∈{0,1}^k 是注意向量，g∈R^k 為 attention glimpse，f?(x) 為注意網絡（attention network）。一般而言，注意實現為如下形式：

（用 Matlab 的表示方法），它會改變自己的維度，所以現在[圖片上傳中。。。（3）]，其中 m≤k。

為了理解注意機制的重要性，我們必須考慮到神經網絡實際上就是一個函數近似器。它近似不同類型的函數的能力取決于它的架構。典型的神經網絡的實現形式是矩陣乘法構成的鏈式運算和元素上的非線性，其中輸入的元素或特征向量只會通過加法彼此交互。

注意機制會計算一個用于對特征進行乘法運算的掩模。這種看似無關痛癢的擴展會產生重大的影響：突然之間，可以使用神經網絡近似的函數空間多了很多，讓全新的用例成為了可能。為什么會這樣？盡管我沒有證據，但直觀的想法是：有一種理論認為神經網絡是一種通用的函數近似器，可以近似任意函數并達到任意精度，唯一的限制是隱藏單元的數量有限。在任何實際的設置中，情況卻不是：我們受限于可以使用的隱藏單元的數量。考慮以下案例：我們要近似神經網絡輸入的乘積。前饋神經網絡只能通過使用（許多）加法（以及非線性）來模擬乘法，因此它需要大量神經網絡基礎。如果我們引入乘法交互，那它就會變得簡單且緊湊。

如果我們放松對注意掩模的值的限制，使 a∈R^k，那么上面將注意定義為乘法交互的做法能讓我們考慮更大范圍的模型。比如動態過濾器網絡（DFN：Dynamic Filter Networks）使用了一個過濾器生成網絡，它可以基于輸入而計算過濾器（即任意幅度的權重），并將它們應用于特征，這在效果上就是一種乘法交互。使用軟注意機制的唯一區別是注意權重并不局限于 0 到 1 之間。在這個方向上更進一步，了解哪些交互應該是相加的、哪些應該是相乘的是非常有意思的。

論文《A Differentiable Transition Between Additive and Multiplicative Neurons》對這一概念進行了探索，參閱：https://arxiv.org/abs/1604.03736。另外，《深度 | 深度學習能力的拓展，Google Brain 講解注意力模型和增強 RNN》這篇文章也對軟注意機制進行了很好的概述。

視覺注意

硬注意

對圖像的硬注意已經存在了很長時間，即圖像裁剪。在概念上這非常簡單，因為僅需要索引。使用 Python（或 TensorFlow），硬注意可以實現為：

g = I[y:y+h, x:x+w]

上面代碼的唯一問題是不可微分；為了學習得到模型的參數，比如借助分數函數估計器（score-function estimator）等方法，我之前的文章也曾簡要提到過：https://goo.gl/nfPB6r

軟注意

軟注意最簡單的形式在圖像方面和向量值特征方面并無不同，還是和上面的（1）式一樣。論文《Show, Attend and Tell: Neural Image Caption Generation with Visual Attention》是最早使用這種類型的注意的研究之一：https://arxiv.org/abs/1502.03044

但是，這種類型的軟注意非常浪費計算資源。輸入中變暗的部分對結果沒有貢獻，但仍然還是需要處理。它也過度參數化了：實現這種注意的 sigmoid 激活函數是彼此獨立的。它可以同時選擇多個目標，但在實際中，我們往往希望進行選擇并且僅關注場景中的單個元素。下面這兩個機制解決了這個問題，它們分別是由 DRAW（https://arxiv.org/abs/1502.04623）和 Spatial Transformer Networks（https://arxiv.org/abs/1506.02025）這兩項研究引入的。它們也可以重新調整輸入的大小，從而進一步提升性能。

高斯注意（Gaussian Attention）

高斯注意是使用參數化的一維高斯過濾器來創造圖像大小的注意圖（attention map）。設

是注意向量，其分別通過 y 和 x 坐標指定了應該注意圖像中的哪一部分。其注意掩模可以創建為

在上圖中，上面一行表示 ax，右邊一列表示 ay，中間的矩形表示得到的結果 a。這里為了可視化，向量中僅包含 0 和 1. 實際上，它們可以實現為一維的高斯向量。一般而言，高斯的數量就等于空間的維度，且每個向量都使用了 3 個參數進行參數化：第一個高斯的中心 μ、連續的高斯中心之間的距離 d 和這些高斯的標準差 σ。使用這種參數化，注意和 glimpse 在注意的參數方面都是可微分的，因此很容易學習。

上面形式的注意仍然很浪費，因為它只選擇了圖像的一部分，同時遮擋了圖像的其它部分。我們可以不直接使用這些向量，而是將它們分別投射進

中。現在，每個矩陣的每一行都有一個高斯，參數 d 指定了連續行中的高斯中心之間的距離（以列為單位）。現在可以將 glimpse 實現為：

我最近一篇關于使用帶有注意機制的 RNN 進行生物啟發式目標跟蹤的論文 HART 中就使用了這種機制，參閱：https://arxiv.org/abs/1706.09262。這里給出一個例子，下面左圖是輸入圖像，右圖是 attention glimpse；這個 glimpse 給出了主圖中綠色標記出的框。

下面的代碼可以讓你在 TensorFlow 中為某個 minibatch 樣本創建一個上述的帶有矩陣值的掩模。如果你想創造 Ay，你可以這樣調用：Ay = gaussian_mask(u, s, d, h, H)，其中 u、s、d 即為 μ、σ、d，以這樣的順序并在像素中指定。

def gaussian_mask(u, s, d, R, C):

    """

    :param u: tf.Tensor, centre of the first Gaussian.

    :param s: tf.Tensor, standard deviation of Gaussians.

    :param d: tf.Tensor, shift between Gaussian centres.

    :param R: int, number of rows in the mask, there is one Gaussian per row.

    :param C: int, number of columns in the mask.

    """

    # indices to create centres

    R = tf.to_float(tf.reshape(tf.range(R), (1, 1, R)))

    C = tf.to_float(tf.reshape(tf.range(C), (1, C, 1)))

    centres = u[np.newaxis, :, np.newaxis] + R * d

    column_centres = C - centres

    mask = tf.exp(-.5 * tf.square(column_centres / s))

    # we add eps for numerical stability

    normalised_mask = mask / (tf.reduce_sum(mask, 1, keep_dims=True) + 1e-8)

    return normalised_mask

我們也可以寫一個函數來直接從圖像中提取 glimpse：

def gaussian_glimpse(img_tensor, transform_params, crop_size):

    """

    :param img_tensor: tf.Tensor of size (batch_size, Height, Width, channels)

    :param transform_params: tf.Tensor of size (batch_size, 6), where params are  (mean_y, std_y, d_y, mean_x, std_x, d_x) specified in pixels.

    :param crop_size): tuple of 2 ints, size of the resulting crop

    """

    # parse arguments

    h, w = crop_size

    H, W = img_tensor.shape.as_list()[1:3]

    split_ax = transform_params.shape.ndims -1

    uy, sy, dy, ux, sx, dx = tf.split(transform_params, 6, split_ax)

    # create Gaussian masks, one for each axis

    Ay = gaussian_mask(uy, sy, dy, h, H)

    Ax = gaussian_mask(ux, sx, dx, w, W)

    # extract glimpse

    glimpse = tf.matmul(tf.matmul(Ay, img_tensor, adjoint_a=True), Ax)

    return glimpse

空間變換器（Spatial Transformer）

空間變換器（STN）可以實現更加一般化的變換，而不僅僅是可微分的圖像裁剪，但圖像裁剪也是其可能的用例之一。它由兩個組件構成：一個網格生成器和一個采樣器。這個網格生成器會指定一個點構成的網格以用于采樣，而采樣器的工作當然就是采樣。使用 DeepMind 最近發布的一個神經網絡庫 Sonnet，可以很輕松地在 TensorFlow 中實現它。Sonnet 地址：https://github.com/deepmind/sonnet

def spatial_transformer(img_tensor, transform_params, crop_size):

    """

    :param img_tensor: tf.Tensor of size (batch_size, Height, Width, channels)

    :param transform_params: tf.Tensor of size (batch_size, 4), where params are  (scale_y, shift_y, scale_x, shift_x)

    :param crop_size): tuple of 2 ints, size of the resulting crop

    """

    constraints = snt.AffineWarpConstraints.no_shear_2d()

    img_size = img_tensor.shape.as_list()[1:]

    warper = snt.AffineGridWarper(img_size, crop_size, constraints)

    grid_coords = warper(transform_params)

    glimpse = snt.resampler(img_tensor[..., tf.newaxis], grid_coords)

    return glimpse

高斯注意 vs. 空間變換器

高斯注意和空間變換器可以實現非常相似的行為。我們該選擇使用哪一個呢？這兩者之間有一些細微的差別：

高斯注意是一種過度參數化的裁剪機制：需要 6 個參數，但卻只有 4 個自由度（y、x、高度、寬度）。STN 只需要 4 個參數。

我還沒運行過任何測試，但 STN 應該更快。它依賴于在采樣點上的線性插值法，而高斯注意則必須執行兩個巨大的矩陣乘法運算。STN 應該可以快上一個數量級（在輸入圖像中的像素方面）。

高斯注意應該更容易訓練（沒有測試運行）。這是因為結果得到的 glimpse 中的每個像素都可以是源圖像的相對大批量的像素的凸組合，這使得我們能更容易找到任何錯誤的原因。而 STN 依賴于線性插值法，這意味著每個采樣點的梯度僅相對其最近的兩個像素是非 0 的。

你可以在這里查看代碼示例：https://github.com/akosiorek/akosiorek.github.io/tree/master/notebooks/attention_glimpse.ipynb

一個簡單的范例

讓我們來創建一個簡單的高斯注意和 STN 范例。首先，我們需要載入一些庫，定義尺寸，創建并裁剪輸入圖片。

import tensorflow as tf

import sonnet as snt

import numpy as np

import matplotlib.pyplot as plt

img_size = 10, 10

glimpse_size = 5, 5

# Create a random image with a square

x = abs(np.random.randn(1, *img_size)) * .3

x[0, 3:6, 3:6] = 1

crop = x[0, 2:7, 2:7] # contains the square

隨后，我們需要 TensorFlow 變量的占位符。

tf.reset_default_graph()

# placeholders

tx = tf.placeholder(tf.float32, x.shape, 'image')

tu = tf.placeholder(tf.float32, [1], 'u')

ts = tf.placeholder(tf.float32, [1], 's')

td = tf.placeholder(tf.float32, [1], 'd')

stn_params = tf.placeholder(tf.float32, [1, 4], 'stn_params')

我們現在可以定義高斯注意和 STN 在 Tensorflow 上的簡單表達式。

# Gaussian Attention

gaussian_att_params = tf.concat([tu, ts, td, tu, ts, td], -1)

gaussian_glimpse_expr = gaussian_glimpse(tx, gaussian_att_params, glimpse_size)

# Spatial Transformer

stn_glimpse_expr = spatial_transformer(tx, stn_params, glimpse_size)

運行這些表達式并繪制它們：

sess = tf.Session()

# extract a Gaussian glimpse

u = 2

s = .5

d = 1

u, s, d = (np.asarray([i]) for i in (u, s, d))

gaussian_crop = sess.run(gaussian_glimpse_expr, feed_dict={tx: x, tu: u, ts: s, td: d})

# extract STN glimpse

transform = [.4, -.1, .4, -.1]

transform = np.asarray(transform).reshape((1, 4))

stn_crop = sess.run(stn_glimpse_expr, {tx: x, stn_params: transform})

# plots

fig, axes = plt.subplots(1, 4, figsize=(12, 3))

titles = ['Input Image', 'Crop', 'Gaussian Att', 'STN']

imgs = [x, crop, gaussian_crop, stn_crop]

for ax, title, img in zip(axes, titles, imgs):

    ax.imshow(img.squeeze(), cmap='gray', vmin=0., vmax=1.)

    ax.set_title(title)

    ax.xaxis.set_visible(False)

    ax.yaxis.set_visible(False)

以上代碼也在 Jupyter Notebook 上：https://github.com/akosiorek/akosiorek.github.io/blob/master/notebooks/attention_glimpse.ipynb

結語

注意機制能夠擴展神經網絡的能力：它們允許近似更加復雜的函數，用更直觀的話說就是能關注輸入的特定部分。它們已經幫助提升了自然語言處理的基準表現，也帶來了圖像描述、記憶網絡尋址和神經編程器等全新能力。

我相信注意機制最重要的用例還尚未被發現。比如，我們知道視頻中的目標是連續連貫的，它們不會在幀切換時憑空消失。注意機制可以用于表達這種連貫性的先驗知識。具體怎么做？請拭目以待。 [圖片上傳中。。。（14）]

原文鏈接：http://akosiorek.github.io/ml/2017/10/14/visual-attention.html

入門 | 請注意，我們要談談神經網絡的注意機制和使用方法 https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650732434&idx=2&sn=c668f9e835a4dc48730048478ba24526&chksm=871b33ecb06cbafae7e8126b8726b273111231d841c1f980c5cc5594dc9a94aff4b676ef4fbd#rd