The method to obtain attention scores.

[wzy9191]

您好，我想问一下Figure 3:Visualization of attention scores中的attention scores是如何获得的，可以详细的说一说嘛

[Orion-wyc]

您好， 我想这个问题可以拆分为两个部分回答：

1. 如何从GAGA的代码中获取attention scores？

   • GAGA的开源代码中提供了EarlyStopper，训练过程中会自动保存最优的模型文件。若按照README.md中的命令执行GAGA，那么您可以在logs/checkpoints目录下找到“earlystop{DATETIME}.pth”模型文件。

   • 加载上述模型，执行一次全量推理，分别统计正、负样本的average attention scores。由于gaga_pytorch源码直接调用torch内置的nn.TransformerEncoder，因此在推理的过程中，可以注册“PyTorch Hook“获得nn.TransformerEncoder.self_attn，此即绘制Figure3所需的原始数据。

   • 保存attention scores。

   • B.T.W （了解hook可以忽略） 注册hook可以参考官方文档，基于gaga_pytorch源码的注册代码示例如下，具体可以看下modules/目录下的两个文件。

     # 注册钩子
     for mod in model.transformer_encoder.layers:
         mod.self_attn.register_forward_hook(atten_visualization_hook)

2. 如何将attention scores可视化为论文中Figure 3所呈现的形式？

   • 基于第一点回答，获得的attention score矩阵大小为21✖21，我们只需要目标节点的attention scores（参考Figure 2中的目标节点位置），因此按照step=7取出atention score，大小为3✖21。

   • 每一个序列的位置对应一个索引，分别统计“group、relation、hop”分组attention值。Figure 3中的数值经过了归一化、并保留两位小数。

[wzy9191]

你好，有几个问题想请教一下

1、通过hook获取self_attn，我得到的attention_scores为(batch_size,sequence_length, sequence_length)，查阅发现可能应该为(batch_size, num_heads, sequence_length, sequence_length)，我得到的没有num_heads，以下是我的代码，不知道是否哪里出了问题。

注册Hook以获取注意力得分 attention_scores = [] def hook_fn(module, input, output): attention_scores.append(output[1]) hook_handles = [] 遍历所有的nn.TransformerEncoderLayer并注册钩子 for layer in model.transformer_encoder.layers: hook_handles.append(layer.self_attn.register_forward_hook(hook_fn)) 执行全量推理，获取attention scores with torch.no_grad(): batch_seq, batch_labels = next(iter(data_loader)) # 获取整个数据集的样本 batch_seq = batch_seq.to(device) batch_logits, diff = model(batch_seq, batch_labels) 将 attention_scores 中的每个张量移动到 CPU 上，并转换为 NumPy 数组 attention_scores_np = [tensor.detach().cpu().numpy() for tensor in attention_scores] 使用 concatenate 函数将所有数组连接成一个大数组 attention_scores_np = np.concatenate(attention_scores_np, axis=0)

2、有两层transformer_encoder.layers，获取self_attn是只取一层，还是将两层进行平均 3、统计正、负样本的average attention scores，这里是将所有正样本、负样本进行平均操作嘛 4、统计“group、relation、hop”分组attention值，这里的统计具体是如何进行统计，可以说说嘛。 group：不同hop和不同relation下的同一个group是进行平均嘛 relation：relation下有不同group和不同hop，就是同一relation下，是进行相加还是平均 hop：同理，同一hop下是进行相加还是平均

谢谢！

[Orion-wyc]

Hi @wzy9191 ， 不好意思最近比较忙，才想起来还没回复🥹。

1. 注册“钩子”后，可以拿到对应MHA模块的 attn_output_weights，这就是我们关心的 "attention weights"。torch 内置的 TransformerEncoder 使用默认 forward 参数 average_attn_weights=True，因此你得到的 “attention_scores 为 (batch_size, sequence_length, sequence_length)”，也就是平均后的，详见下图和这里的 源码链接。

2. self_attn 取自所有层（共两层）。不过我也好奇，不同层是否会有差异呢，可以尝试下。

3. “统计正、负样本的 average attention scores，这里是将所有正样本、负样本进行平均操作嘛？“

   正、负样本分别按照对应节点数平均下。

4. 统计“group、relation、hop”分组attention值，这里的统计具体是如何进行统计，可以说说嘛。

   分别统计对应位置的 "attention weights"，“位置”是指下标，可以参考 Figure 2 中的目标节点位置排布。比如，使用论文中的参数，序列长度 S=21，对应 “group、relation、hop” 的分组attention值索引为：

       hop-0的下标 : [0,7,14]
       hop-1的下标 : [1,2,3, 8,9,10, 15,16,17]
       hop-2的下标 : [4,5,6, 11,12,13, 18,19,20]
   
       relation-0 的下标 : [0,1,2,3,4,5,6]
       relation-1 的下标 : [7,8,9,10,11,12,13]
       relation-2 的下标 : [14,15,16,17,18,19,20]
   
       group-0 的下标 : [1,4,8,11,15,18]
       group-1 的下标 : [2,5,9,12,16, 19]
       group-2 的下标 : [0,7,14,3,6,10,13,17,20]

可以按照上面的描述尝试下，如有问题欢迎留言，空了会回。