一、Introduction
很多时候，我们需要输入的数据非常的复杂，难以用统一、固定长度的向量来表示。比如NLP中长短不一的句子。此外，我们需要输出的数据有时候也会复杂，比如一组向量中每一个向量有一个输出（词性标注），或者一组向量有一个输出，或者输出的数量让机器自己决定（即seq2seq任务，比如中英文翻译）
在第一种情况的时候，我们可以使用Fully-connected，然后每一个向量会有一个输出，但是单独使用一个向量为基础其蕴含的信息太少了，于是可以加上一个Windows想法，一个向量的前后5个也作为输入。但是这样也有一个缺点，就是我们的句子长度是不一样的，难以用一个统一的windows来。而Self-Attention网络可以用在任何长度的句子上，非常的灵活
二、Model
2.1 Revelant
Self-Attention第一步：计算每两个输入向量之间的Relevant，记为α
常见的计算方法有Dot-product和Additive
即将各向量分别乘以一个矩阵，得到两个新的向量。两个向量相乘就是Dot-Product方法，若直接相连接然后使用tanh函数就是Additive方法
注意自己也要和自己计算相关性，这样的做法可以提高模型的性能。这里的归一化可以使用Soft-max也可以使用ReLu
2.2 Sum up
Self-Attention第二步：新增一个向量v，与α相乘，将所有的数值进行累加
再乘以一个Wv矩阵得到v向量，然后让每一个v向量乘以它的α，将这些向量所有累加起来成为一个新的向量
2.3 Fully-Connection
Self-Attention第三步：与Fully-Connection结合起来使用
但是这样有一个缺点就是，没有考虑到每个单词在句子中的位置信息。
如果想要考虑的话，很简单，你为每一个位置设计一个位置权重向量ei，每个ei加到ai上面去
参考资料
《机器学习》周志华
《深度学习与机器学习》吴恩达
《神经网络与与深度学习》邱锡鹏
《深度学习与机器学习》李宏毅