我们尝试用人记忆和理解事物的方式来思考人工智能：
为什么我们需要引入这种Attention机制，以seq2seq为例：
传统的seq2seq可以理解为让RNN从左往右看一遍要Encode的序列，并将记忆不断存入隐藏层。但是隐藏层的维度是有限的，就像人类的记忆力有限，当序列很长时，读到最后一个word时很可能已经对开头的word发生遗忘，要以看一遍的记忆完整复述整个序列或者对序列做翻译等操作，是存在局限的。
因此我们可以借助人类产生工作记忆的方式，在decode时计算当前隐藏层和之前序列隐藏层的关联度，或者说当前这个decoder模块要关注的encoder隐藏层有哪些，要有多少关注度。
decoder端的隐藏层 z z z和encoder端隐藏层 h h h的关联度 α \alpha α计算可以有几种常见的方法：
- 利用余弦相似度计算 c o s ( z , h ) cos(z,h) cos(z,h)
- 以[ z , h z,h z,h]为输入， α \alpha α为目标输入训练全连接层
- α = h T W z \alpha = h^TWz α=hTWz， W W W是可训练参数
求得每一个decoder隐藏层 z 0 , z 1 . . . z i , . . . z n z_0,z_1...z_i,...z_n z0,z1...zi,...zn和encoder端隐藏层 h 0 , h 1 , . . . , h j , . . . h m h_0,h_1,...,h_j,...h_m h0,h1,...,hj,...hm的关联度 α i j \alpha_i^j αij，并对其做softmax归一化，得到 α 0 ^ , α 1 ^ . . . α n ^ \hat{\alpha_0},\hat{\alpha_1}...\hat{\alpha_n} α0^,α1^...αn^, c i = ∑ k α i k ^ h k c_i = \sum_k \hat{\alpha_i^k}h^k ci=∑kαik^hk
c i 和 z i c_i和z_i ci和zi作为decoder端RNN的输入和隐藏层