序言

经常会听到注意力机制，在很多应用都能落地。跟CNN，RNN（LSTM）等深度学习都是热点。而且Attention机制在机器翻译，图片描述，语音识别和文本摘要中取到很大的成功。
那么Attention机制到底是怎样子的一个存在呢？
现在举一个简单例子。
假设输入X = [0.1, 1, 0.1, 0.2, 0.2, 0.3 0.1, 0.1, 0.1, 0.2] 而该分类的Y是1。则其实 在X的第二个特征1就很好的决定了分类Y，表明第二个特征跟Y关系大。所以我们想着能不能把第二个特征的权重提高。使用的方法是Attention机制。创建一个概率数组，使得第二特征的概率大一点，最好当然是 [0,1,0,0,0,0,0,0,0,0]. 然后再跟input X相乘，直接得到 Y = 1 分类结束。

#创建mask/probs 概率--用softmax函数得出概率
probs = Dense(input_dim, actication = 'softmax')(inputs)
#再跟inputs相乘
attention_mul = merge([probs, inputs],output_shape = 32)

如果不记得softmax激活函数
softmax函数其实就是将多个神经元的输入，映射在（0，1）之间。可以当作概率的计算，公式为：
$$S_i=\frac{e^i}{{\sum }_{j=1}^n{e}^j}$$
【值得关注的是: ${\sum }_{i=1}^n{S}_i=1$】

在论文 Attention Residual Network on Image Classification的应用
回忆论文内容

其中，Attention Module是由soft mask Branch和 Trunk Branch 组成
而Soft mask Branch 充当 Attention probs 来与Trunk Branch相乘。
其中概率的计算是用Sigmoid来计算出来的。
Attention Probs有三种方法可以计算：

1. softmax ()
2. sigmoid()
3. L2 normalization – L2()

其中，也比较来论文提出的Attention Residual Learning（ARL）的网络结构 VS Naive Attention Learning （NAL）的网络结构。
ARL是如下的Network图：

NAL是看砍断了Trunk branch 的相加过程，即直接 Mask * Trunk 而不是 Mask*Trunk + Trunk。
实验结果证明 还是ARL的acc更好。