背景知识

注意力机制最早被用于机器翻译领域，其本质类似于人类在认知事物时的注意力，后因其有效性被广泛用于计算机视觉、语音识别、序列预测等领域。
常见的注意力机制通常是基于Encoder-Decoder的，模型在Decoder阶段进行解码时会考虑编码阶段Encoder的所有隐藏状态。

AttentionCellWrapper理论基础

在Tensorflow中也有现成的注意力API可以使用，即AttentionCellWrapper，具体的实现代码是在tensorflow/contrib/seq2seq/python/ops/attention_wrapper.py文件中。

值得注意的是，Tensoflow中AttentionCellWrapper的实现并不是基于Encoder-Decoder形式的，而是受启发于https://magenta.tensorflow.org/2016/07/15/lookback-rnn-attention-rnn这篇文章中的AttentionRNN。

这篇文章提出了一种单向RNN就能使用的Attention结构（这里我们称为AttentionRNN），在处理每一步的输入时，考虑前面N步的输出，经过映射加权后把这些历史信息加到本次输入的预测中。

In our version, where we don’t have an encoder-decoder, we just always look at the outputs from the last n steps when generating the output for the current step. The way we “look at” these steps is with an attention mechanism.

具体公式如下：

其中：

• 矩阵W1、W2和向量v均为可学习的参数
• hi为前面第i步输出的隐藏状态 ct为当前时刻的细胞状态
• ui为长度为n的相关系数向量，对于前n个step每个step对应一个相关系数。
• ai为注意力得分，可通过对相关系数进行softmax操作得到，文章中称ai为attention mask。
• h’t为当前时刻经过attention后的输出，可通过对前n个step的隐藏状态以及对应的注意力的分加权求和得到。

AttentionCellWrapper源码解析

class AttentionWrapper(rnn_cell_impl.RNNCell):
  def __init__(self,
               cell,
               attention_mechanism,
               attention_layer_size=None,
               alignment_history=False,
               cell_input_fn=None,
               output_attention=True,
               initial_cell_state=None,
               name=None,
               attention_layer=None):

• cell: 被包裹的RNNCell实例；
• attention_mechanism: attention机制实例，例如BahdanauAttention，也可以是多个attention实例组成的列表；
• attention_layer_size: 是数字或者数字做成的列表，如果是 None（默认），直接使用加权求和得到的上下文向量 [公式] 作为输出（详见本小节最后的_compute_attention代码），如果不是None，那么将 [公式] 和cell的输出 cell_output进行concat并做线性变换（输出维度为attention_layer_size）再输出。
  这里所说的"输出"在代码里是用"attention"表示的，见本小节最后的_compute_attention函数代码。
• alignment_history: 即是否将之前的alignments存储到 state 中，以便于后期进行可视化展示，默认False，一般设置为True。
• cell_input_fn: 怎样处理输入。默认会将上一步的得到的输出与的实际输入进行concat操作作为输入。

参考资料：
Tensorflow中的AttentionCellWrapper：一种更通用的Attention机制
TensorFlow AttentionWrapper源码超详细图解
AttentionCellWrapper