ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
李宏毅教授的团队，让大家极大地节省了时间，节省了生命损耗。堪称救苦救难，胜造七级浮屠 ：）
同意 拯救大家的人生
雖然您講得很誇張 但我很認同是真的
李老师好！我是来自大陆的您的粉丝~ 深度学习的课我和我身边的人基本都在跟随于您，您的课在中文圈里绝对是顶级的，现在来法国读博啦~~ 我会继续跟随下去！ 祝老师身体健康~~
只有我看成黑暗大陸嗎？
最頂的
不碰点政治都不会做人了是吧，认认真真讨论技术不好吗@@a12050429
@@a12050429 not funny here，focus on deep learning plz
难绷@@a12050429
李老师好！我也是来自大陆的您的粉丝~ 您绝对是顶级的，我会继续跟随下去！ 祝老师身体健康~~
李老師你好! 我是香港大學computer science的學生, 我覺得你教得特別清晰, 遠比我港大的老師要好...請你保持upload影片給我們學習!!
哈哈哈我也是 HKU CS 学生
看李老师的视频看出了追番的快感❤❤
刚开始学，李老师的课程是我能接触到的最简单最清晰的了
听完李老师的课真的有一种醍醐灌顶的感觉，强烈推荐任何对机器学习/深度学习感兴趣的人听一下李老师的课。
李老师讲的机器学习真的很有美感, 之前在论文中死活看不明白的东西一下子就搞懂了
Watched quite a few videos on self-attention and this is hands-down the best explanation I have seen. World-class professor on ML without a doubt.
您简直就是我的神！！！呜呜呜，感到哭了。希望老师越来越好
感谢李老师的分享，逻辑清晰，表达流畅，受益匪浅，祝您一切顺利。
台灣最帥男人 只服李教授
老师好！我是来自大陆的粉丝！现在本科大二然后在学校做科研实习，是导师推荐我看您的视频的，真的好爱看讲得好清晰易懂！很感激您的视频带我入门机器学习和深度学习！！
李老师讲的太有条理了！ 听了好多英文的课程都没有弄明白的问题 一下子就清晰了。 来自美国的华人粉丝
The best explanation on the attention mechanism I've ever watched so far. Superb.
這絕對是我見過最棒的deep learning課，不限於中文，用最通俗的語言講明白看起來很複雜的東西😂其實只看原paper沒有大神講解，即使是專業人士也會比較迷茫，k、v那裡我看到這裡才明白那個點乘具體的位置😅之前自己腦補得不對
Great job ! 听了好几个视频了，这个最棒.
非常好的课程，使我的大脑高兴，爱来自丹麦😃
Hi Prof Lee, I am a fans from Singapore. Thanks so much for your lectures!
精彩！太喜欢您的课了
我又来复习了
非常好课程，爱来自日本
老師講的太好了....全網第一
这里之所以要用softmax而不用其他激活函数，是因为最好使输入元素之间各个关联度之和为1，这样才有意义。
有大神能解答一下吗：1. 为什么alpha需要自己与自己相乘？2. 为什么向量要分q和k，而不能是只有k，alpha由k相乘所得？3. 为什么b要是乘另一个v所得，而不能是直接通过某些方式合并alpha所得？
讲的真好，自己懂的深入才能讲的浅出。
It is incredibly crystal clear for the layman ! Many thanks !
受益匪浅，非常感谢李老师
感谢李宏毅老师
字幕打成phonetic的部分李教授應該是指phoneme喔
非常感谢。直接啃论文太痛苦了
老师说的真的好！人在慕尼黑，拯救我的endterm哈哈哈
我永远喜欢李宏毅老师
首先感謝李老師，這是我見過對attention的最好的教學。想請教一個問題，就是為什麼a1 要算q1 ，k1，然後計算自己的attention score。q1 k1的物理意義是什麼呢？
我自己浅显的理解：QKV分别代表“查询标准”，“待查询指标”，和“本质”。Q是a去查询的时候，带着的查询标准。K是任何单字被查询的时候，展现出来的“待查询指标”。V是每个单字提取出来的本质。我打个单身汉找对象的比方吧。假设一个人要找对象，他一共有十个潜在的人选（包括他自己，这里请忽略性别）。Q代表他的择偶标准（比如说外形7分，年收入100万，年龄25岁以下，房子豪华）。K代表一个目标对象表现出来的指标（比如努力打扮让外形变成了6分，装成年收入60万，显得很年轻26岁，房子装修得还不错）。V代表一个目标对象本质的指标（比如这个人本质是个外形4分的人，年收入实际只有40万，实际年龄32岁）。那么Q和K相乘，实际上就是“择偶标准”和“表现出来的样子”里的匹配程度。然后通过这个匹配程度，和每个对象的本质数值做一个加权求和，出来的结果就是找到的对象最后所包含的数值。这里有两个点可以注意一下：第一个就是你未必最喜欢你自己。你跟自己的QK相似度未必是最高的。第二就是QKV本质其实可以是一样的。比如如果在一个平行世界里，人们的择偶标准和他表现出来的样子以及他的本质完全一致，那么QKV没有必要存在。QKV存在的意义就是模拟这类“我想要的”和“每个人表现出来的”以及“每个人实际的”样子是不一样的情况。但这里也有一个假设，就是本质上QKV乘以的都是同一个东西，所以同一个词的q,k,v不会差得太离谱，类比到相亲，你可以理解为一个外形3分的人很难装成外形9分，一个年收入10万的人很难装成年收入500万。
我的理解是这样的，Q代表你在浏览器中输入的问题，K代表浏览器返回的不同网页（回答），attention score由Q和K计算得到，代表我们对每个网页的质量判断，判断我们觉得哪个网页应该更容易找到问题的解答。最后V代表每个网页中的内容，之后由attention score和V计算得到b，代表我们最后得到最终答案
老师您好，想问下attention 的 Wq Wv Wk 是共享权重么， 因为看到tf bert 原代码 Q，K，V使用的dense 而不是conv
为什么不用原始输入向量a_1，而要使用新的v来计算最后的结果
讲得太好了！赞赞赞！
老师念dot product的时候太可爱了。。。
any chance to present in english , seems great content
硬Train一发神教教徒，支持一下
太厉害了！老师
想請問老師，作業的內容有公開嗎?
常常来温故而知新。
請問alpha' 跟 W的相乘也是element wise的相乘嗎？
请问李老师，如果权重都是共享的，那么self attention是如何做pos tagging的？因为权重共享，相同的输入应该就是相同的输出了呀，所以做pos tagging是要加窗口结合上下文作为输入吗？
这是2021年录制的还是之前的视频？
请问老师这里面的a2的key是什么,怎么求出来的?视频在24:28的位置.
想看作业的内容
想請問老師25:30 自己與自己的關聯性一定是1嗎？
李老师你好，我在您的网站上看到有2020年春季的课程，但是只找到了相关的作业和PPT，请问哪里有相关的视频呢？我在 TH-cam 上面并没有找到 2020年春季的视频
在那里可以看助教的程序？
都在這裡了: speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html
讲得好
wk和wq都是神经网络里的参数吗?
word embedding: th-cam.com/video/X7PH3NuYW0Q/w-d-xo.html (普通话）
想在請問老師27:16 的transform Wv跟前面的Wk要怎麼決定呢？謝謝～
也有同樣問題，是random initial嗎?
对
Trainable parameter.
谢谢老师
不知道哪邊有作業可以讓我練習…
我也在找...张前辈有可以分享的资源吗..万分感谢
把一些模糊地帶用古聖先賢帶過，這個說法不太好。
比看paper 容易多了。 谢谢
哪里可以看您的线上直播课呢？
李老师，Wq,Wk,Wv应该不是共享的吧，是不是讲错了？
請問你的問題是來自影片中的哪一個段落呢?
@@HungyiLeeNTU 比如：24：01的ppt，看上去不同的a_i都是和相同的W^q相乘，也就是W^q是共享的，这个是对的吗？为什么要共享，而不是比如W^{q}_{i},每个a_i对应一个不同的W呢？
@@zongtaowang7840 是共享的沒錯喔
@@HungyiLeeNTU 谢谢您的回复，但是为什么要共享呢？有什么目的吗？
您好,如果: "W^{q}_{i},每个a_i对应一个不同的W",我认为您可以将 "非共享W" 视作一个共享的 W^q 生成了 query, 并分别于每个query注入与 i 关联的位置信息但 i 的位置信息可以透过 Positional Encoding 提供就好而且 "非共享W" 会导致你的 a 长度必须固定, 那么整个数学式写下来就是等效一个"对 a序列 的全连接层FCN"了
请问Prof. Wu的影片会上传吗？
同问，谢谢！
@@hanwang4779 不好意思，我這邊不會在 YT 上公開 Prof. Wu 的影片
@@HungyiLeeNTU 很可惜了，不过还是特别感谢李老师的精彩课程！
（下）还没有update吗？
還沒有 update ，而且本週我沒有上課，所以下次 update 的時間是 3/26
神串留
听完我怀疑我是不是在学机器学习，听完感觉好简单
覺得簡單很好啊
老师，你是留学党的精神粮食😂
李老师，现在的RNN基本都被Self-Attention取代了吗？
th-cam.com/video/S27pHKBEp30/w-d-xo.html 这个视频将lstm与transformer进行了解析，最终的结论是transformer已经非常优秀了，但有些情况下仍然还是首选lstm，可以参考一下，不过没有字幕
2:39
mark
666
李宏毅教授的团队，让大家极大地节省了时间，节省了生命损耗。堪称救苦救难，胜造七级浮屠 ：）
同意 拯救大家的人生
雖然您講得很誇張 但我很認同是真的
李老师好！我是来自大陆的您的粉丝~ 深度学习的课我和我身边的人基本都在跟随于您，您的课在中文圈里绝对是顶级的，现在来法国读博啦~~ 我会继续跟随下去！ 祝老师身体健康~~
只有我看成黑暗大陸嗎？
最頂的
不碰点政治都不会做人了是吧，认认真真讨论技术不好吗@@a12050429
@@a12050429 not funny here，focus on deep learning plz
难绷@@a12050429
李老师好！我也是来自大陆的您的粉丝~ 您绝对是顶级的，我会继续跟随下去！ 祝老师身体健康~~
李老師你好! 我是香港大學computer science的學生, 我覺得你教得特別清晰, 遠比我港大的老師要好...請你保持upload影片給我們學習!!
哈哈哈我也是 HKU CS 学生
看李老师的视频看出了追番的快感❤❤
刚开始学，李老师的课程是我能接触到的最简单最清晰的了
听完李老师的课真的有一种醍醐灌顶的感觉，强烈推荐任何对机器学习/深度学习感兴趣的人听一下李老师的课。
李老师讲的机器学习真的很有美感, 之前在论文中死活看不明白的东西一下子就搞懂了
Watched quite a few videos on self-attention and this is hands-down the best explanation I have seen. World-class professor on ML without a doubt.
您简直就是我的神！！！呜呜呜，感到哭了。希望老师越来越好
感谢李老师的分享，逻辑清晰，表达流畅，受益匪浅，祝您一切顺利。
台灣最帥男人 只服李教授
老师好！我是来自大陆的粉丝！现在本科大二然后在学校做科研实习，是导师推荐我看您的视频的，真的好爱看讲得好清晰易懂！很感激您的视频带我入门机器学习和深度学习！！
李老师讲的太有条理了！ 听了好多英文的课程都没有弄明白的问题 一下子就清晰了。 来自美国的华人粉丝
The best explanation on the attention mechanism I've ever watched so far. Superb.
這絕對是我見過最棒的deep learning課，不限於中文，用最通俗的語言講明白看起來很複雜的東西😂其實只看原paper沒有大神講解，即使是專業人士也會比較迷茫，k、v那裡我看到這裡才明白那個點乘具體的位置😅之前自己腦補得不對
Great job ! 听了好几个视频了，这个最棒.
非常好的课程，使我的大脑高兴，爱来自丹麦😃
Hi Prof Lee, I am a fans from Singapore. Thanks so much for your lectures!
精彩！太喜欢您的课了
我又来复习了
非常好课程，爱来自日本
老師講的太好了....全網第一
这里之所以要用softmax而不用其他激活函数，是因为最好使输入元素之间各个关联度之和为1，这样才有意义。
有大神能解答一下吗：
1. 为什么alpha需要自己与自己相乘？
2. 为什么向量要分q和k，而不能是只有k，alpha由k相乘所得？
3. 为什么b要是乘另一个v所得，而不能是直接通过某些方式合并alpha所得？
讲的真好，自己懂的深入才能讲的浅出。
It is incredibly crystal clear for the layman ! Many thanks !
受益匪浅，非常感谢李老师
感谢李宏毅老师
字幕打成phonetic的部分李教授應該是指phoneme喔
非常感谢。直接啃论文太痛苦了
老师说的真的好！人在慕尼黑，拯救我的endterm哈哈哈
我永远喜欢李宏毅老师
首先感謝李老師，這是我見過對attention的最好的教學。想請教一個問題，就是為什麼a1 要算q1 ，k1，然後計算自己的attention score。q1 k1的物理意義是什麼呢？
我自己浅显的理解：QKV分别代表“查询标准”，“待查询指标”，和“本质”。Q是a去查询的时候，带着的查询标准。K是任何单字被查询的时候，展现出来的“待查询指标”。V是每个单字提取出来的本质。
我打个单身汉找对象的比方吧。假设一个人要找对象，他一共有十个潜在的人选（包括他自己，这里请忽略性别）。Q代表他的择偶标准（比如说外形7分，年收入100万，年龄25岁以下，房子豪华）。K代表一个目标对象表现出来的指标（比如努力打扮让外形变成了6分，装成年收入60万，显得很年轻26岁，房子装修得还不错）。V代表一个目标对象本质的指标（比如这个人本质是个外形4分的人，年收入实际只有40万，实际年龄32岁）。那么Q和K相乘，实际上就是“择偶标准”和“表现出来的样子”里的匹配程度。然后通过这个匹配程度，和每个对象的本质数值做一个加权求和，出来的结果就是找到的对象最后所包含的数值。
这里有两个点可以注意一下：第一个就是你未必最喜欢你自己。你跟自己的QK相似度未必是最高的。第二就是QKV本质其实可以是一样的。比如如果在一个平行世界里，人们的择偶标准和他表现出来的样子以及他的本质完全一致，那么QKV没有必要存在。QKV存在的意义就是模拟这类“我想要的”和“每个人表现出来的”以及“每个人实际的”样子是不一样的情况。但这里也有一个假设，就是本质上QKV乘以的都是同一个东西，所以同一个词的q,k,v不会差得太离谱，类比到相亲，你可以理解为一个外形3分的人很难装成外形9分，一个年收入10万的人很难装成年收入500万。
我的理解是这样的，Q代表你在浏览器中输入的问题，K代表浏览器返回的不同网页（回答），attention score由Q和K计算得到，代表我们对每个网页的质量判断，判断我们觉得哪个网页应该更容易找到问题的解答。最后V代表每个网页中的内容，之后由attention score和V计算得到b，代表我们最后得到最终答案
老师您好，想问下attention 的 Wq Wv Wk 是共享权重么， 因为看到tf bert 原代码 Q，K，V使用的dense 而不是conv
为什么不用原始输入向量a_1，而要使用新的v来计算最后的结果
讲得太好了！赞赞赞！
老师念dot product的时候太可爱了。。。
any chance to present in english , seems great content
硬Train一发神教教徒，支持一下
太厉害了！老师
想請問老師，作業的內容有公開嗎?
常常来温故而知新。
請問alpha' 跟 W的相乘也是element wise的相乘嗎？
请问李老师，如果权重都是共享的，那么self attention是如何做pos tagging的？因为权重共享，相同的输入应该就是相同的输出了呀，所以做pos tagging是要加窗口结合上下文作为输入吗？
这是2021年录制的还是之前的视频？
请问老师这里面的a2的key是什么,怎么求出来的?视频在24:28的位置.
想看作业的内容
想請問老師25:30 自己與自己的關聯性一定是1嗎？
李老师你好，我在您的网站上看到有2020年春季的课程，但是只找到了相关的作业和PPT，请问哪里有相关的视频呢？我在 TH-cam 上面并没有找到 2020年春季的视频
在那里可以看助教的程序？
都在這裡了: speech.ee.ntu.edu.tw/~hylee/ml/2021-spring.html
讲得好
wk和wq都是神经网络里的参数吗?
word embedding: th-cam.com/video/X7PH3NuYW0Q/w-d-xo.html (普通话）
想在請問老師27:16 的transform Wv跟前面的Wk要怎麼決定呢？謝謝～
也有同樣問題，是random initial嗎?
对
Trainable parameter.
谢谢老师
不知道哪邊有作業可以讓我練習…
我也在找...张前辈有可以分享的资源吗..万分感谢
把一些模糊地帶用古聖先賢帶過，這個說法不太好。
比看paper 容易多了。 谢谢
哪里可以看您的线上直播课呢？
李老师，Wq,Wk,Wv应该不是共享的吧，是不是讲错了？
請問你的問題是來自影片中的哪一個段落呢?
@@HungyiLeeNTU 比如：24：01的ppt，看上去不同的a_i都是和相同的W^q相乘，也就是W^q是共享的，这个是对的吗？为什么要共享，而不是比如W^{q}_{i},每个a_i对应一个不同的W呢？
@@zongtaowang7840 是共享的沒錯喔
@@HungyiLeeNTU 谢谢您的回复，但是为什么要共享呢？有什么目的吗？
您好,
如果: "W^{q}_{i},每个a_i对应一个不同的W",
我认为您可以将 "非共享W" 视作一个共享的 W^q 生成了 query, 并分别于每个query注入与 i 关联的位置信息
但 i 的位置信息可以透过 Positional Encoding 提供就好
而且 "非共享W" 会导致你的 a 长度必须固定, 那么整个数学式写下来就是等效一个"对 a序列 的全连接层FCN"了
请问Prof. Wu的影片会上传吗？
同问，谢谢！
@@hanwang4779 不好意思，我這邊不會在 YT 上公開 Prof. Wu 的影片
@@HungyiLeeNTU 很可惜了，不过还是特别感谢李老师的精彩课程！
（下）还没有update吗？
還沒有 update ，而且本週我沒有上課，所以下次 update 的時間是 3/26
神串留
听完我怀疑我是不是在学机器学习，听完感觉好简单
覺得簡單很好啊
老师，你是留学党的精神粮食😂
李老师，现在的RNN基本都被Self-Attention取代了吗？
th-cam.com/video/S27pHKBEp30/w-d-xo.html 这个视频将lstm与transformer进行了解析，最终的结论是transformer已经非常优秀了，但有些情况下仍然还是首选lstm，可以参考一下，不过没有字幕
2:39
mark
666
台灣最帥男人 只服李教授