关于PCNN-ATT中test计算attention的问题

[mz2sj]

博主您好，在test的时候，我们遍历所有的relation进行attention。 res = torch.cat(pre_y, 1).max(1)[0] 假设使用label 0 ([6901])这个relation来作attention，将attention后的结果用于计算各个关系的概率分布。 ` out = self.test_scale_p bags_feature.mm(self.rel_embs.t()) + self.rel_bias` ([128,53]) 这里的max是指在第2维度取最大值作为label 0这个relation的概率吗？依次类推遍历所有relation，就能得到在所有relation上的概率。 这里可不可以不作max，直接取out中label 0对应的维度所对应的概率作为结果。 还有一个问题，PCNN-ATT中eval_metric_var，这是直接对预测概率排名前2000的计算pr吗？

[mz2sj]

第一个问题我是觉得，我用这个relation作attention，那么我默认这个包的label就是relation，那我们也应该取relation对应的维度结果作为概率

[ShomyLiu]

1. 不好意思，第一个问题没太看明白，在PCNN-ATT中，在test的时候，就是在遍历每个relation去计算这个relation的概率，假设一共54个relation， 当前遍历到第4个relation，那么首先用这个relation去做attention，之后算出54个概率，取第四个作为这个的预测概率。
2. 第二个问题，对。排名之后，取Top2000

[shanry]

1. 不好意思，第一个问题没太看明白，在PCNN-ATT中，在test的时候，就是在遍历每个relation去计算这个relation的概率，假设一共54个relation， 当前遍历到第4个relation，那么首先用这个relation去做attention，之后算出54个概率，取第四个作为这个的预测概率。
2. 第二个问题，对。排名之后，取Top2000

按照这种假设，每一个bag最后输出的特征形状是54*54， 每一行代表每一种relation，那么代码中每一行取max似乎不合理，应该取对角线元素才对？

[ShomyLiu]

@shanry 对，当时一开始我记得是按照对角线元素取的，这个你可以看下代码里面其实有段注释。 后来改成max 了， 原因好像是因为原文最开始版本代码取的max。。不过这两个效果类似。