自注意力机制（Self-Attention Mechanism），也称为内部注意力机制（Intra-Attention Mechanism），是一种在深度学习模型中，特别是在自然语言处理（NLP）和计算机视觉（CV）任务中广泛使用的注意力机制。它允许模型在处理序列数据时，对序列内部的不同位置进行加权关注，从而捕捉序列内部的依赖关系。
自注意力机制的核心思想
自注意力机制的核心思想是：对于输入序列中的每个元素，模型都会计算一个注意力权重，这个权重表示该元素与序列中其他元素的相关性。通过这种方式，模型能够动态地聚焦于序列中的关键信息，而忽略不相关的部分。