Attention Is All You Need

[Subin An]

• https://arxiv.org/pdf/1706.03762.pdf
• Transformer
• Seq2Seq Model

Concept

Structure

• Multi-head self-attention
  • Scaled Dot-Product Attention
• Residual connection
• Layer nomalization
• Masked
• Positional Encoding

Optimizer

• Adam (warm up steps = 4000)

Regularization

• Residual Dropout
• Label Smoothing

[Subin An]

참고할 내용

• Encoder/Decoder 개수인 6에는 큰 의미가 없다고 함
• 실제 구현차이 참고 https://tunz.kr/post/4
  • Sublayer 순서
  • Decoder에서 캐시 사용으로 (불필요한 계산을 줄여) 최적화
  • Data Sharding (한번에 데이터를 가져오는 게 아니라 하나씩 가져오고 셔플링을 작게 함)
  • 임베딩 레이어 가중치 초기화
  • Positional Encoding에 디테일한 차이

[Subin An]

Positional Encoding에 대해

• 논문에서는 Convolutional Sequence to Sequence Learning을 참고논문으로 사용하며 positional encoding을 언급

  • 이 논문에서 직접적인 언급은 없지만 일부 stackoverflow를 보면 one-hot vector를 사용한 것으로 보인다.

• 그럼 왜 Transformer에서는 sin, cos을 사용하여 positional encoding을 했을까? (sinusoidal singal)

  • 논문 3.5에서는 다음과 같이 언급이 되어 있다.

  • We chose this function because we hypothesized it would allow the model to easily learn to attend by relative positions, since for any fixed offset $k, PE_{pos+k}$ can be represented as a linear function of $PE_pos.$

  • 즉 위치 A와 위치 A+k는 상대적인 위치 k에만 영향(선형변환)을 받고 싶다는 뜻이다.
  • 이에 대한 증명 및 답은 이 링크가 잘 설명해준다. https://timodenk.com/blog/linear-relationships-in-the-transformers-positional-encoding/

• 이후에 나온 논문에서는 absolute position이 아닌 다음과 같이 pairwise relative position을 추가해주는 게 성능이 더 좋다고 한다.

  • Self-Attention with Relative Position Representations : 그리고 이것도 구글이다.

[Subin An]

그 외 관련 도움되는 링크

• The Illustrated Transformer
• The Annotated Transformer
• Transformer (Attention Is All You Need) 구현하기 (1/3)
• 딥러닝을 이용한 자연어 처리 입문 / 17.트랜스포머

[Subin An]

갑자기 든 의문 Multi-head Attention?

• 여러 번 어텐션을 봐서 좀 더 성능을 높이는 느낌으로 Multi-head Attention을 사용하는 걸로 이해 (앙상블)
• 이와 관련한 NIPS2019 논문
  • Are Sixteen Heads Really Better than One?
  • TL;DR 도움은 되지만 실제로 많이 중복되고 이를 잘 pruning하는 것이 과제라함

Label Smoothing이 왜 잘될까?

• 관련하여 제프리 힌튼 교수 연구팀이 발표한 NIPS2019 When Does Label Smoothing Help? 논문
  • 잘 정리해준 ratsgo님의 블로그 Label Smoothing 이해하기
  • Knowledge Distillation보다는 안된다고 한다. (상호정보량의 감소)
  • 뭔가 관련하여 연구하면 재밌을 것 같은데 아이디어가 번뜩이지는 않는다ㅠ