更改

添加1,188字节、 2025年6月15日 (日) 16:00

无编辑摘要

第65行：第65行：

[[文件:注意力机制用于计算机视觉.png|缩略图|注意力机制用于计算机视觉<ref>Kelvin, Xu. ''et al''. Show, Attend and Tell: Neural Image Caption Generation with Visual Attention. arXiv:1502.03044v3 (2016).</ref>。图片中白色区域代表被注意的区域，下方注释画横线的部分表示相关的单词

−

<span class="lark-record-clipboard" data-lark-record-format="docx/text" data-lark-record-data="{"rootId":"BGqidHR1WoXkk9xC7bqcFw2anEg","text":{"initialAttributedTexts":{"text":{"0":"（图片中白色区域代表被注意的区域，下方注释画横线的部分表示相关的单词）"},"attribs":{"0":"*0+z"}},"apool":{"numToAttrib":{"0":["author","7489058965368913939"]},"nextNum":1}},"type":"text","referenceRecordMap":{},"extra":{"channel":"saas","isEqualBlockSelection":true,"pasteRandomId":"9f3abfd3-27c9-4dd0-8c65-a6699deacca3","mention_page_title":{},"external_mention_url":{}},"isKeepQuoteContainer":false,"isFromCode":false,"selection":[{"id":78,"type":"text","selection":{"start":0,"end":35},"recordId":"UqyudArJBodu8ZxCrNmczfkfnMg"}],"payloadMap":{},"isCut":false}"></span>|替代=|250x250像素]]'''机器翻译：'''注意力机制使得模型在翻译长句子时，能够关注到源语言句子中与目标语言当前词语相关的部分。通过引入注意力机制，我们将源语言中每个位置的信息都保存下来。在解码过程中生成每一个目标语言的单词时，我们都通过注意力机制直接从源语言的信息中选择相关的信息作为辅助。

+

<span class="lark-record-clipboard" data-lark-record-format="docx/text" data-lark-record-data="{"rootId":"BGqidHR1WoXkk9xC7bqcFw2anEg","text":{"initialAttributedTexts":{"text":{"0":"（图片中白色区域代表被注意的区域，下方注释画横线的部分表示相关的单词）"},"attribs":{"0":"*0+z"}},"apool":{"numToAttrib":{"0":["author","7489058965368913939"]},"nextNum":1}},"type":"text","referenceRecordMap":{},"extra":{"channel":"saas","isEqualBlockSelection":true,"pasteRandomId":"9f3abfd3-27c9-4dd0-8c65-a6699deacca3","mention_page_title":{},"external_mention_url":{}},"isKeepQuoteContainer":false,"isFromCode":false,"selection":[{"id":78,"type":"text","selection":{"start":0,"end":35},"recordId":"UqyudArJBodu8ZxCrNmczfkfnMg"}],"payloadMap":{},"isCut":false}"></span><span class="lark-record-clipboard" data-lark-record-format="docx/text" data-lark-record-data="{"rootId":"BGqidHR1WoXkk9xC7bqcFw2anEg","text":{"initialAttributedTexts":{"text":{"0":"（图片中白色区域代表被注意的区域，下方注释画横线的部分表示相关的单词）"},"attribs":{"0":"*0+z"}},"apool":{"numToAttrib":{"0":["author","7489058965368913939"]},"nextNum":1}},"type":"text","referenceRecordMap":{},"extra":{"channel":"saas","isEqualBlockSelection":true,"pasteRandomId":"9f3abfd3-27c9-4dd0-8c65-a6699deacca3","mention_page_title":{},"external_mention_url":{}},"isKeepQuoteContainer":false,"isFromCode":false,"selection":[{"id":78,"type":"text","selection":{"start":0,"end":35},"recordId":"UqyudArJBodu8ZxCrNmczfkfnMg"}],"payloadMap":{},"isCut":false}"></span>|替代=|250x250像素]]'''机器翻译：'''注意力机制使得模型在翻译长句子时，能够关注到源语言句子中与目标语言当前词语相关的部分。通过引入注意力机制，我们将源语言中每个位置的信息都保存下来。在解码过程中生成每一个目标语言的单词时，我们都通过注意力机制直接从源语言的信息中选择相关的信息作为辅助。

'''文本摘要：'''模型可以学习关注文档中的关键句子或段落，生成更准确、更简洁的摘要。

Word2vec

130

个编辑

更改

注意力机制 (查看源代码)

2025年6月15日 (日) 16:00的版本