翻译：分割：将Q, K, V向量(x''∈ℝ(H×W)×C)切片为h个低阶嵌入{x_1,x_2,∙∙∙,x_h }, 其中每个单维子空间xi∈ℝh×(H×W)×(C/h)表示MHSA中的一个头；

Segmentation: Slice the Q, K, and V vectors (x'' ∈ ℝ(H×W)×C) into h low-order embeddings {x1, x2, ..., xh}, where each single subspace xi ∈ ℝh×(H×W)×(C/h) represents a head in MHSA.

相关问题

一维卷积包括一个滤波器向量在一个序列上滑动，并检测不同位置的特征。设x1∈ℝ为句子中第i个词的d维词向量。设x2∈ℝ表示输入的句子，其中l为句子的长度。设k为滤波器的长度，向量m∈ℝ为卷积运算的微调器。对于句子中的每个位置j，我们都有一个窗口向量w，其中有k个连续的词向量。改写成5G异常流量分析

一维卷积在5G异常流量分析中应用广泛，它包括一个滤波器向量在一个时间序列上滑动，并检测不同时间段的特征。设x1∈ℝ为某一时间点的流量数据，d为数据的维度。设x2∈ℝ表示输入的流量序列，其中l为流量序列的长度。设k为滤波器的长度，向量m∈ℝ为卷积运算的微调器。对于流量序列中的每个时间点j，我们都有一个窗口向量w，其中有k个连续的流量数据。通过卷积运算，可以检测出异常流量的特征，从而实现5G网络的异常流量分析和诊断。

_, _, h, w = x.size() AttributeError: 'list' object has no attribute 'size'

这个错误是因为你将一个列表对象传递给了一个期望是张量的函数。张量是PyTorch中的一种数据结构，它是一个多维数组，可以用于表示向量、矩阵和更高维度的数组。因此，你需要将列表转换为张量，然后才能使用size()函数。

以下是一个将列表转换为张量并使用size()函数的例子：

import torch

x = [1, 2, 3, 4]
x_tensor = torch.tensor(x)
_, _, h, w = x_tensor.size()
print(h, w) # 输出：1 4