自注意力和cbam注意力

自注意力（self-attention）和CBAM注意力（Convolutional Block Attention Module）都是深度学习中常用的注意力机制。

自注意力是一种在Transformer等模型中常用的注意力机制，它可以帮助模型更好地理解输入序列中不同位置之间的关系。具体来说，自注意力通过对输入序列中每个位置进行加权汇总，得到一个加权向量表示，从而实现对输入序列的全局理解和处理。

CBAM注意力是一种应用于卷积神经网络的注意力机制，它通过对不同层次的特征图进行空间注意力和通道注意力的融合，从而提高模型对图像中不同部分的关注能力。CBAM注意力相比于其他注意力机制，具有更好的可解释性和更高的性能。

总之，自注意力和CBAM注意力都是非常有用的注意力机制，在不同的场景下可以发挥重要作用。