计算Attention时为什么要除以dk，这个dk的含义是什么？

Question

Accepted Answer

考察点：考察对Transformer中缩放点积注意力机制原理的理解。回答思路：正确说明dk为query的维度（或key的维度） 解释点积随维度增大导致方差变大、softmax饱和问题 说明除以sqrt(dk)使方差归一化，梯度更稳定

考察说明