家具网站开发任务书,app开发技术方案,免费个人简历表格空白word,广东省住建局官网文章目录 1、Transformer大致有3大应用2、Transformer的整体结构图3、如何处理batch-size句子长度不一致问题4、MultiHeadAttention#xff08;多头注意力机制#xff09;5、前馈神经网络6、Encoder中的输入masked7、完整代码补充知识#xff1a; 1、Transformer大致有3大应… 文章目录 1、Transformer大致有3大应用2、Transformer的整体结构图3、如何处理batch-size句子长度不一致问题4、MultiHeadAttention多头注意力机制5、前馈神经网络6、Encoder中的输入masked7、完整代码补充知识 1、Transformer大致有3大应用
1、机器翻译类应用Encoder和Decoder共同使用 2、只使用Encoder端文本分类BERT和图片分类VIT 3、只使用Decoder端生成类模型
2、Transformer的整体结构图 Transformer整体结构有2个输入1个输出具体过程可参考这个链接详情请点击 如下图左边是Encoder右边是Decoder2个输入分别是Encoder的输入Decoder的输入 先看左边的Encoder输入经过词向量层和位置编码层得到最终的输入通过多头注意力机制和前馈神经网络得到Encoder的输出该输出会与Decoder进行交互 再看右边的Decoder输入经过词向量层和位置编码层得到最终的输入通过掩码注意力机制然后交互注意力机制与Encoder的输出做交互Encoder的输出做K矩阵、V矩阵Decoder的值做Q矩阵再经过前馈神经网络层得到Decoder的输出 如下图一共有2个输入分别是“我爱你”和“S I LOVE YOU”“我爱你”这个句子是3个tokentoken翻译成词元“S I LOVE YOU”中的 S 是特殊字符“I LOVE YOU E”是解码端的真实标签与输出结果计算损失 解码端是没法并行的因为输入【S】输出【I】然后输出的【I】作为下一阶段的输入这一次的输入取决于上一次的输出所以解码端无法并行 但是为了加快训练速度和收敛速度我们使用Teacher forcing就是把真实标签作为一种输入把当前输入单词后面所有的单词全部 mask 掉 “ich mochte ein bier P”是编码端的德语输入“S i want a beer是解码端的英语输入“i want a beer E”是解码端的真实标签一般在训练时为了加快训练速度需要增加batch-size 3、如何处理batch-size句子长度不一致问题 以中文为例batch-size为4如下图所示每一行句子代表每个batch-size中的第一个句子代表Encoding的输入Decoding的输入和标签值下图已省略 1个batch在被模型处理的时候为了加快速度常使用矩阵的方式来计算但是如果一个batch中句子长度不一致就组不成一个有效的矩阵为了解决这个问题一个常规的操作就是给每个句子设置 max-length 假设设置max-length为8句子的长度大于8的删除小于8的用P替换如下图 需要注意的是PAD这种方法不仅用在在Encoder的输入也用在Decoder的输入 位置编码公式 P E ( p o s , 2 i ) s i n ( p o s / 1000 0 2 i / d m o d e l ) PE(pos,2i)sin(pos/10000^{2i/d_{model}}) PE(pos,2i)sin(pos/100002i/dmodel) P E ( p o s , 2 i 1 ) c o s ( p o s / 1000 0 2 i / d m o d e l ) PE(pos,2i1)cos(pos/10000^{2i/d_{model}}) PE(pos,2i1)cos(pos/100002i/dmodel) 两个共有的部分 e − ( 2 i ) / d m o d e l ∗ l o g ( 10000 ) 1 / 1000 0 2 i / d m o d e l e^{-(2i)/d_{model}*log(10000)}1/10000^{2i/d_{model}} e−(2i)/dmodel∗log(10000)1/100002i/dmodel这里POS代表的是每个字符在整个句子中的索引512是整个句子最大长度和2i对应的Embedding维度512要区分开位置编码和Embedding相加即可得到整个输出的内容
位置编码公式代码如下
class PositionalEncoding(nn.Module):def __init__(self, d_model, dropout0.1, max_len5000):super(PositionalEncoding, self).__init__()# 位置编码的实现其实很简单直接对照着公式去敲代码就可以下面这个代码只是其中一种实现方式# 从理解上来讲需要注意的就是偶数和奇数在公式上有一个共同部分我们使用log函数把次方拿下来方便计算# pos代表的是单词在句子中的索引这点需要注意比如max_len是128个那么索引就是从012...,127# 假设我的d_model是5122i那个符号中i从0取到了255那么2i对应取值就是0,2,4,...,510self.dropout nn.Dropout(pdropout)pe torch.zeros(max_len, d_model)position torch.arange(0, max_len, dtypetorch.float).unsqueeze(1) # shape:[max_len,1]div_term torch.exp(torch.arange(0, d_model, 2).float() * (-math.log(10000.0) / d_model)) # shape:[d_model/2]pe[:, 0::2] torch.sin(position * div_term) # 这里需要注意的是pe[:, 0::2]这个用法就是从0开始到最后面步长为2其实代表的就是偶数位置pe[:, 1::2] torch.cos(position * div_term) # 这里需要注意的是pe[:, 1::2]这个用法就是从1开始到最后面步长为2其实代表的就是奇数位置# 上面代码获取之后得到的pe.shape:[max_len, d_model]# 下面这个代码之后我们得到的pe形状是[max_len, 1, d_model]pe pe.unsqueeze(0).transpose(0, 1)self.register_buffer(pe, pe) # 定一个缓冲区其实简单理解为这个参数不更新就可以def forward(self, x):x: [src_len, batch_size, d_model]x x self.pe[:x.size(0), :]return self.dropout(x)为什么需要告诉后面模型哪些位置被PAD填充
注意力机制公式 A t t e n t i o n ( Q , K , V ) s o f t m a x ( Q K T d k ) V Attention(Q,K,V)softmax(\frac{QK^T}{\sqrt{d_k}})V Attention(Q,K,V)softmax(dk QKT)V
下图是 Q K T QK^T QKT相乘后的矩阵还没有经过softmax计算表示每个单词和其他所有单词的相似性应该能看到不应该把PAD参与计算 如何去掉PAD信息利用符号矩阵不是PAD置为0是PAD的置为1 代码 把PAD为0的元素置为True # 比如说我现在的句子长度是5在后面注意力机制的部分我们在计算出来QK转置除以根号之后softmax之前我们得到的形状
# len_input * len*input 代表每个单词对其余包含自己的单词的影响力# 所以这里我需要有一个同等大小形状的矩阵告诉我哪个位置是PAD部分之后在计算计算softmax之前会把这里置为无穷大# 一定需要注意的是这里得到的矩阵形状是batch_size x len_q x len_k我们是对k中的pad符号进行标识并没有对k中的做标识因为没必要# seq_q 和 seq_k 不一定一致在交互注意力q来自解码端k来自编码端所以告诉模型编码这边pad符号信息就可以解码端的pad信息在交互注意力层是没有用到的def get_attn_pad_mask(seq_q, seq_k):batch_size, len_q seq_q.size()batch_size, len_k seq_k.size()# eq(zero) is PAD tokenpad_attn_mask seq_k.data.eq(0).unsqueeze(1) # batch_size x 1 x len_k, one is maskingreturn pad_attn_mask.expand(batch_size, len_q, len_k) # batch_size x len_q x len_k4、MultiHeadAttention多头注意力机制 如下图batch-size为1src_len为2即有2个单词 d m o d e l d_{model} dmodel为4 代码
class MultiHeadAttention(nn.Module):def __init__(self):super(MultiHeadAttention, self).__init__()# 输入进来的QKV是相等的我们会使用映射linear做一个映射得到参数矩阵Wq, Wk, Wvself.W_Q nn.Linear(d_model, d_k * n_heads)self.W_K nn.Linear(d_model, d_k * n_heads)self.W_V nn.Linear(d_model, d_v * n_heads)self.linear nn.Linear(n_heads * d_v, d_model)self.layer_norm nn.LayerNorm(d_model)def forward(self, Q, K, V, attn_mask):# 这个多头分为这几个步骤首先映射分头然后计算atten_scores然后计算atten_value;# 输入进来的数据形状 Q: [batch_size x len_q x d_model], K: [batch_size x len_k x d_model],# V: [batch_size x len_k x d_model], attn_mask.shape:[batch_size, src_len_q, src_len_k]residual, batch_size Q, Q.size(0)# (B, S, D) -proj- (B, S, D) -split- (B, S, H, W) -trans- (B, H, S, W)# 下面这个就是先映射后分头一定要注意的是q和k分头之后维度是一致的所以一看这里都是dkq_s self.W_Q(Q).view(batch_size, -1, n_heads, d_k).transpose(1,2) # q_s: [batch_size x n_heads x len_q x d_k]k_s self.W_K(K).view(batch_size, -1, n_heads, d_k).transpose(1,2) # k_s: [batch_size x n_heads x len_k x d_k]v_s self.W_V(V).view(batch_size, -1, n_heads, d_v).transpose(1,2) # v_s: [batch_size x n_heads x len_k x d_v]# 输入进行的attn_mask形状是 batch_size x len_q x len_k# 然后经过下面这个代码得到 新的attn_mask : [batch_size x n_heads x len_q x len_k]# 就是把pad信息重复了n个头上attn_mask attn_mask.unsqueeze(1).repeat(1, n_heads, 1, 1)# 然后我们计算 ScaledDotProductAttention 这个函数去7.看一下# 得到的结果有两个context: [batch_size x n_heads x len_q x d_v], attn: [batch_size x n_heads x len_q x len_k]context, attn ScaledDotProductAttention()(q_s, k_s, v_s, attn_mask)# context: [batch_size x len_q x n_heads * d_v]context context.transpose(1, 2).contiguous().view(batch_size, -1,n_heads * d_v)output self.linear(context)return self.layer_norm(output residual), attn # output: [batch_size x len_q x d_model]Encoder代码
class EncoderLayer(nn.Module):def __init__(self):super(EncoderLayer, self).__init__()self.enc_self_attn MultiHeadAttention()self.pos_ffn PoswiseFeedForwardNet()def forward(self, enc_inputs, enc_self_attn_mask):# 下面这个就是做自注意力层输入是enc_inputs形状是[batch_size x seq_len_q x d_model] 需要注意的是最初始的QKV矩阵是等同于这个输入的# 去看一下enc_self_attn函数 6.enc_outputs, attn self.enc_self_attn(enc_inputs, enc_inputs, enc_inputs,enc_self_attn_mask) # enc_inputs to same Q,K,Venc_outputs self.pos_ffn(enc_outputs) # enc_outputs: [batch_size x len_q x d_model]return enc_outputs, attndef get_attn_pad_mask(seq_q, seq_k):batch_size, len_q seq_q.size()batch_size, len_k seq_k.size()# eq(zero) is PAD tokenpad_attn_mask seq_k.data.eq(0).unsqueeze(1) # batch_size x 1 x len_k, one is maskingreturn pad_attn_mask.expand(batch_size, len_q, len_k) # batch_size x len_q x len_kclass PositionalEncoding(nn.Module):def __init__(self, d_model, dropout0.1, max_len5000):super(PositionalEncoding, self).__init__()# 位置编码的实现其实很简单直接对照着公式去敲代码就可以下面这个代码只是其中一种实现方式# 从理解上来讲需要注意的就是偶数和奇数在公式上有一个共同部分我们使用log函数把次方拿下来方便计算# pos代表的是单词在句子中的索引这点需要注意比如max_len是128个那么索引就是从012...,127# 假设我的d_model是5122i那个符号中i从0取到了255那么2i对应取值就是0,2,4,...,510self.dropout nn.Dropout(pdropout)pe torch.zeros(max_len, d_model)position torch.arange(0, max_len, dtypetorch.float).unsqueeze(1)div_term torch.exp(torch.arange(0, d_model, 2).float() * (-math.log(10000.0) / d_model))pe[:, 0::2] torch.sin(position * div_term) # 这里需要注意的是pe[:, 0::2]这个用法就是从0开始到最后面补长为2其实代表的就是偶数位置pe[:, 1::2] torch.cos(position * div_term) # 这里需要注意的是pe[:, 1::2]这个用法就是从1开始到最后面补长为2其实代表的就是奇数位置# 上面代码获取之后得到的pe:[max_len*d_model]# 下面这个代码之后我们得到的pe形状是[max_len*1*d_model]pe pe.unsqueeze(0).transpose(0, 1)self.register_buffer(pe, pe) # 定一个缓冲区其实简单理解为这个参数不更新就可以def forward(self, x):x: [seq_len, batch_size, d_model]x x self.pe[:x.size(0), :]return self.dropout(x)class Encoder(nn.Module):def __init__(self):super(Encoder, self).__init__()# nn.Embedding:https://blog.csdn.net/raelum/article/details/125462028?ops_request_misc%257B%2522request%255Fid%2522%253A%2522171029892316800211559494%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257Drequest_id171029892316800211559494biz_id0utm_mediumdistribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-125462028-null-null.142^v99^pc_search_result_base8utm_termnn.Embeddingspm1018.2226.3001.4187self.src_emb nn.Embedding(src_vocab_size, d_model) # 这个其实就是去定义生成一个矩阵大小是 src_vocab_size * d_model# src_vocab_sizesrc_lend_model是词向量的维度self.pos_emb PositionalEncoding(d_model) # 位置编码情况这里是固定的正余弦函数也可以使用类似词向量的nn.Embedding获得一个可以更新学习的位置编码self.layers nn.ModuleList([EncoderLayer() for _ in range(n_layers)]) # 使用ModuleList对多个encoder进行堆叠因为后续的encoder并没有使用词向量和位置编码所以抽离出来def forward(self, enc_inputs):# 这里我们的 enc_inputs 形状是 [batch_size * src_len]# 下面这个代码通过src_emb进行索引定位enc_outputs输出形状是[batch_size, src_len, d_model]enc_outputs self.src_emb(enc_inputs)# 这里就是位置编码把两者相加放入到了这个函数里面从这里可以去看一下位置编码函数的实现3.enc_outputs self.pos_emb(enc_outputs.transpose(0, 1)).transpose(0, 1)# get_attn_pad_mask是为了得到句子中pad的位置信息给到模型后面在计算自注意力和交互注意力的时候去掉pad符号的影响去看一下这个函数 4.enc_self_attn_mask get_attn_pad_mask(enc_inputs, enc_inputs)enc_self_attns []for layer in self.layers:# 去看EncoderLayer 层函数 5.enc_outputs, enc_self_attn layer(enc_outputs, enc_self_attn_mask)enc_self_attns.append(enc_self_attn)return enc_outputs, enc_self_attns5、前馈神经网络
代码
class PoswiseFeedForwardNet(nn.Module):def __init__(self):super(PoswiseFeedForwardNet, self).__init__()self.conv1 nn.Conv1d(in_channelsd_model, out_channelsd_ff, kernel_size1)self.conv2 nn.Conv1d(in_channelsd_ff, out_channelsd_model, kernel_size1)self.layer_norm nn.LayerNorm(d_model)def forward(self, inputs):residual inputs # inputs : [batch_size, len_q, d_model]output nn.ReLU()(self.conv1(inputs.transpose(1, 2)))output self.conv2(output).transpose(1, 2)return self.layer_norm(output residual)6、Encoder中的输入masked 如果当前输入为【S】则后面的【卷起来】被遮挡当输入为【S卷】时后面的【起来】被遮挡形成上三角矩阵为1的矩阵 7、完整代码
# from https://github.com/graykode/nlp-tutorial/tree/master/5-1.Transformerimport numpy as np
import torch
import torch.nn as nn
import torch.optim as optim
import matplotlib.pyplot as plt
import mathdef make_batch(sentences):input_batch [[src_vocab[n] for n in sentences[0].split()]]output_batch [[tgt_vocab[n] for n in sentences[1].split()]]target_batch [[tgt_vocab[n] for n in sentences[2].split()]]return torch.LongTensor(input_batch), torch.LongTensor(output_batch), torch.LongTensor(target_batch)# 10
def get_attn_subsequent_mask(seq):seq: [batch_size, tgt_len]attn_shape [seq.size(0), seq.size(1), seq.size(1)]# attn_shape: [batch_size, tgt_len, tgt_len]subsequence_mask np.triu(np.ones(attn_shape), k1) # 生成一个上三角矩阵subsequence_mask torch.from_numpy(subsequence_mask).byte()return subsequence_mask # [batch_size, tgt_len, tgt_len]# 7. ScaledDotProductAttention
class ScaledDotProductAttention(nn.Module):def __init__(self):super(ScaledDotProductAttention, self).__init__()def forward(self, Q, K, V, attn_mask):# 输入进来的维度分别是 [batch_size x n_heads x len_q x d_k] K [batch_size x n_heads x len_k x d_k]# V: [batch_size x n_heads x len_k x d_v], attn_mask : [batch_size x n_heads x len_q x len_k]# 首先经过matmul函数得到的scores形状是 : [batch_size x n_heads x len_q x len_k]scores torch.matmul(Q, K.transpose(-1, -2)) / np.sqrt(d_k)# 然后关键词地方来了下面这个就是用到了我们之前重点讲的attn_mask把被mask的地方置为无限小softmax之后基本就是0对q的单词不起作用scores.masked_fill_(attn_mask, -1e9) # Fills elements of self tensor with value where mask is one.attn nn.Softmax(dim-1)(scores)context torch.matmul(attn, V)return context, attn# 6. MultiHeadAttention
class MultiHeadAttention(nn.Module):def __init__(self):super(MultiHeadAttention, self).__init__()# 输入进来的QKV是相等的我们会使用映射linear做一个映射得到参数矩阵Wq, Wk, Wvself.W_Q nn.Linear(d_model, d_k * n_heads)self.W_K nn.Linear(d_model, d_k * n_heads)self.W_V nn.Linear(d_model, d_v * n_heads)self.linear nn.Linear(n_heads * d_v, d_model)self.layer_norm nn.LayerNorm(d_model)def forward(self, Q, K, V, attn_mask):# 这个多头分为这几个步骤首先映射分头然后计算atten_scores然后计算atten_value;# 输入进来的数据形状 Q: [batch_size x len_q x d_model], K: [batch_size x len_k x d_model],# V: [batch_size x len_k x d_model], attn_mask.shape:[batch_size, src_len_q, src_len_k]residual, batch_size Q, Q.size(0)# (B, S, D) -proj- (B, S, D) -split- (B, S, H, W) -trans- (B, H, S, W)# 下面这个就是先映射后分头一定要注意的是q和k分头之后维度是一致的所以一看这里都是dkq_s self.W_Q(Q).view(batch_size, -1, n_heads, d_k).transpose(1,2) # q_s: [batch_size x n_heads x len_q x d_k]k_s self.W_K(K).view(batch_size, -1, n_heads, d_k).transpose(1,2) # k_s: [batch_size x n_heads x len_k x d_k]v_s self.W_V(V).view(batch_size, -1, n_heads, d_v).transpose(1,2) # v_s: [batch_size x n_heads x len_k x d_v]# 输入进行的attn_mask形状是 batch_size x len_q x len_k# 然后经过下面这个代码得到 新的attn_mask : [batch_size x n_heads x len_q x len_k]# 就是把pad信息重复了n个头上attn_mask attn_mask.unsqueeze(1).repeat(1, n_heads, 1, 1)# 然后我们计算 ScaledDotProductAttention 这个函数去7.看一下# 得到的结果有两个context: [batch_size x n_heads x len_q x d_v], attn: [batch_size x n_heads x len_q x len_k]context, attn ScaledDotProductAttention()(q_s, k_s, v_s, attn_mask)# context: [batch_size x len_q x n_heads * d_v]context context.transpose(1, 2).contiguous().view(batch_size, -1,n_heads * d_v)output self.linear(context)return self.layer_norm(output residual), attn # output: [batch_size x len_q x d_model]# 8. PoswiseFeedForwardNet
class PoswiseFeedForwardNet(nn.Module):def __init__(self):super(PoswiseFeedForwardNet, self).__init__()self.conv1 nn.Conv1d(in_channelsd_model, out_channelsd_ff, kernel_size1)self.conv2 nn.Conv1d(in_channelsd_ff, out_channelsd_model, kernel_size1)self.layer_norm nn.LayerNorm(d_model)def forward(self, inputs):residual inputs # inputs : [batch_size, len_q, d_model]output nn.ReLU()(self.conv1(inputs.transpose(1, 2)))output self.conv2(output).transpose(1, 2)return self.layer_norm(output residual)# 4. get_attn_pad_mask# 比如说我现在的句子长度是5在后面注意力机制的部分我们在计算出来QK转置除以根号之后softmax之前我们得到的形状
# len_input * len*input 代表每个单词对其余包含自己的单词的影响力# 所以这里我需要有一个同等大小形状的矩阵告诉我哪个位置是PAD部分之后在计算计算softmax之前会把这里置为无穷大# 一定需要注意的是这里得到的矩阵形状是batch_size x len_q x len_k我们是对k中的pad符号进行标识并没有对k中的做标识因为没必要# seq_q 和 seq_k 不一定一致在交互注意力q来自解码端k来自编码端所以告诉模型编码这边pad符号信息就可以解码端的pad信息在交互注意力层是没有用到的def get_attn_pad_mask(seq_q, seq_k):batch_size, len_q seq_q.size()batch_size, len_k seq_k.size()# eq(zero) is PAD tokenpad_attn_mask seq_k.data.eq(0).unsqueeze(1) # shape:[batch_size, 1, len_k], one is maskingreturn pad_attn_mask.expand(batch_size, len_q, len_k) # shape:[batch_size, len_q, len_k]# 3. PositionalEncoding 代码实现
class PositionalEncoding(nn.Module):def __init__(self, d_model, dropout0.1, max_len5000):super(PositionalEncoding, self).__init__()# 位置编码的实现其实很简单直接对照着公式去敲代码就可以下面这个代码只是其中一种实现方式# 从理解上来讲需要注意的就是偶数和奇数在公式上有一个共同部分我们使用log函数把次方拿下来方便计算# pos代表的是单词在句子中的索引这点需要注意比如max_len是128个那么索引就是从012...,127# 假设我的d_model是5122i那个符号中i从0取到了255那么2i对应取值就是0,2,4,...,510self.dropout nn.Dropout(pdropout)pe torch.zeros(max_len, d_model)position torch.arange(0, max_len, dtypetorch.float).unsqueeze(1) # shape:[max_len,1]div_term torch.exp(torch.arange(0, d_model, 2).float() * (-math.log(10000.0) / d_model)) # shape:[d_model/2]pe[:, 0::2] torch.sin(position * div_term) # 这里需要注意的是pe[:, 0::2]这个用法就是从0开始到最后面步长为2其实代表的就是偶数位置pe[:, 1::2] torch.cos(position * div_term) # 这里需要注意的是pe[:, 1::2]这个用法就是从1开始到最后面步长为2其实代表的就是奇数位置# 上面代码获取之后得到的pe.shape:[max_len, d_model]# 下面这个代码之后我们得到的pe形状是[max_len, 1, d_model]pe pe.unsqueeze(0).transpose(0, 1)self.register_buffer(pe, pe) # 定一个缓冲区其实简单理解为这个参数不更新就可以def forward(self, x):x: [src_len, batch_size, d_model]x x self.pe[:x.size(0), :]return self.dropout(x)# 5. EncoderLayer 包含两个部分多头注意力机制和前馈神经网络
class EncoderLayer(nn.Module):def __init__(self):super(EncoderLayer, self).__init__()self.enc_self_attn MultiHeadAttention()self.pos_ffn PoswiseFeedForwardNet()def forward(self, enc_inputs, enc_self_attn_mask):# 下面这个就是做自注意力层输入是enc_inputs形状是[batch_size, seq_len_q, d_model], 需要注意的是最初始的QKV矩阵是等同于这个输入的# 去看一下enc_self_attn函数 6.enc_outputs, attn self.enc_self_attn(enc_inputs, enc_inputs, enc_inputs,enc_self_attn_mask) # enc_inputs to same Q,K,Venc_outputs self.pos_ffn(enc_outputs) # enc_outputs: [batch_size x len_q x d_model]return enc_outputs, attn# 2. Encoder 部分包含三个部分词向量embedding位置编码部分注意力层及后续的前馈神经网络
class Encoder(nn.Module):def __init__(self):super(Encoder, self).__init__()# nn.Embedding:https://blog.csdn.net/raelum/article/details/125462028?ops_request_misc%257B%2522request%255Fid%2522%253A%2522171029892316800211559494%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257Drequest_id171029892316800211559494biz_id0utm_mediumdistribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-125462028-null-null.142^v99^pc_search_result_base8utm_termnn.Embeddingspm1018.2226.3001.4187self.src_emb nn.Embedding(src_vocab_size, d_model) # 这个其实就是去定义生成一个矩阵大小是 src_vocab_size * d_model# src_vocab_sizesrc_lend_model是词向量的维度self.pos_emb PositionalEncoding(d_model) # 位置编码情况这里是固定的正余弦函数也可以使用类似词向量的nn.Embedding获得一个可以更新学习的位置编码self.layers nn.ModuleList([EncoderLayer() for _ in range(n_layers)]) # 使用ModuleList对多个encoder进行堆叠因为后续的encoder并没有使用词向量和位置编码所以抽离出来def forward(self, enc_inputs):# 这里我们的 enc_inputs 形状是 [batch_size, src_len]# 下面这个代码通过src_emb进行索引定位enc_outputs输出形状是[batch_size, src_len, d_model]enc_outputs self.src_emb(enc_inputs)# 这里就是位置编码把两者相加放入到了这个函数里面从这里可以去看一下位置编码函数的实现3.# enc_outputs.shape:[batch_size, src_len, d_model]enc_outputs self.pos_emb(enc_outputs.transpose(0, 1)).transpose(0, 1)# get_attn_pad_mask是为了得到句子中pad的位置信息给到模型后面在计算自注意力和交互注意力的时候去掉pad符号的影响去看一下这个函数 4.# enc_self_attn_mask.shape:[batch_size, src_len_q, src_len_k]enc_self_attn_mask get_attn_pad_mask(enc_inputs, enc_inputs)enc_self_attns []for layer in self.layers:# 去看EncoderLayer 层函数 5.enc_outputs, enc_self_attn layer(enc_outputs, enc_self_attn_mask)enc_self_attns.append(enc_self_attn)return enc_outputs, enc_self_attns# 10.
class DecoderLayer(nn.Module):def __init__(self):super(DecoderLayer, self).__init__()self.dec_self_attn MultiHeadAttention()self.dec_enc_attn MultiHeadAttention()self.pos_ffn PoswiseFeedForwardNet()def forward(self, dec_inputs, enc_outputs, dec_self_attn_mask, dec_enc_attn_mask):dec_outputs, dec_self_attn self.dec_self_attn(dec_inputs, dec_inputs, dec_inputs, dec_self_attn_mask)dec_outputs, dec_enc_attn self.dec_enc_attn(dec_outputs, enc_outputs, enc_outputs, dec_enc_attn_mask)dec_outputs self.pos_ffn(dec_outputs)return dec_outputs, dec_self_attn, dec_enc_attn# 9. Decoder
class Decoder(nn.Module):def __init__(self):super(Decoder, self).__init__()self.tgt_emb nn.Embedding(tgt_vocab_size, d_model)self.pos_emb PositionalEncoding(d_model)self.layers nn.ModuleList([DecoderLayer() for _ in range(n_layers)])def forward(self, dec_inputs, enc_inputs, enc_outputs): # dec_inputs : [batch_size x target_len]dec_outputs self.tgt_emb(dec_inputs) # [batch_size, tgt_len, d_model]dec_outputs self.pos_emb(dec_outputs.transpose(0, 1)).transpose(0, 1) # [batch_size, tgt_len, d_model]# get_attn_pad_mask 自注意力层的时候的pad部分dec_self_attn_pad_mask get_attn_pad_mask(dec_inputs, dec_inputs)# get_attn_subsequent_mask 这个做的是自注意层的mask部分就是当前单词之后看不到使用一个上三角为1的矩阵dec_self_attn_subsequent_mask get_attn_subsequent_mask(dec_inputs)# 两个矩阵相加大于0的为1不大于0的为0为1的在之后就会被fill到无限小dec_self_attn_mask torch.gt((dec_self_attn_pad_mask dec_self_attn_subsequent_mask), 0)# 这个做的是交互注意力机制中的mask矩阵enc的输入是k我去看这个k里面哪些是pad符号给到后面的模型注意哦我q肯定也是有pad符号但是这里我不在意的# 之前说了好多次了哈dec_enc_attn_mask get_attn_pad_mask(dec_inputs, enc_inputs)dec_self_attns, dec_enc_attns [], []for layer in self.layers:dec_outputs, dec_self_attn, dec_enc_attn layer(dec_outputs, enc_outputs, dec_self_attn_mask,dec_enc_attn_mask)dec_self_attns.append(dec_self_attn)dec_enc_attns.append(dec_enc_attn)return dec_outputs, dec_self_attns, dec_enc_attns# 1. 从整体网路结构来看分为三个部分编码层解码层输出层
class Transformer(nn.Module):def __init__(self):super(Transformer, self).__init__()self.encoder Encoder() # 编码层self.decoder Decoder() # 解码层self.projection nn.Linear(d_model, tgt_vocab_size,biasFalse) # 输出层d_model是我们解码层每个token输出的维度大小之后会做一个tgt_vocab_size大小的softmaxdef forward(self, enc_inputs, dec_inputs):# 这里有两个数据进行输入一个是enc_inputs形状为[batch_size, src_len]主要是作为编码段的输入一个是dec_inputs形状为[batch_size, tgt_len]# 主要是作为解码端的输入# enc_inputs作为输入形状为[batch_size, src_len]输出由自己的函数内部指定想要输出什么就可以指定输出什么可以是全部tokens的输出可以是特定每一层的输出# 也可以是中间某些参数的输出# enc_outputs就是主要的输出enc_self_attns这里没记错的是QK转置相乘之后softmax之后的矩阵值代表的是每个单词和其他单词相关性enc_outputs, enc_self_attns self.encoder(enc_inputs)# dec_outputs 是decoder主要输出用于后续的linear映射 dec_self_attns类比于enc_self_attns是查看每个单词对decoder中输入的其余单词的相关性# dec_enc_attns是decoder中每个单词对encoder中每个单词的相关性dec_outputs, dec_self_attns, dec_enc_attns self.decoder(dec_inputs, enc_inputs, enc_outputs)# dec_outputs做映射到词表大小dec_logits self.projection(dec_outputs) # dec_logits : [batch_size x src_vocab_size x tgt_vocab_size]return dec_logits.view(-1, dec_logits.size(-1)), enc_self_attns, dec_self_attns, dec_enc_attnsif __name__ __main__:# 句子的输入部分P是指PAD# 这3个句子分别代表Encoding的输入Decoding的输入Decoding的真实标签sentences [ich mochte ein bier P, S i want a beer, i want a beer E]# Transformer Parameters# Padding Should be Zero# 构建Encoding词表Vocabularysrc_vocab {P: 0, ich: 1, mochte: 2, ein: 3, bier: 4}src_vocab_size len(src_vocab)# 构建Decoding词表Vocabularytgt_vocab {P: 0, i: 1, want: 2, a: 3, beer: 4, S: 5, E: 6}tgt_vocab_size len(tgt_vocab)src_len 5 # length of sourcetgt_len 5 # length of target# 模型参数d_model 512 # Embedding Size每个字符转换为Embedding的大小d_ff 2048 # FeedForward dimensiond_k d_v 64 # dimension of K(Q), Vn_layers 6 # number of Encoder of Decoder Layern_heads 8 # number of heads in Multi-Head Attentionmodel Transformer()criterion nn.CrossEntropyLoss()optimizer optim.Adam(model.parameters(), lr0.001)enc_inputs, dec_inputs, target_batch make_batch(sentences)for epoch in range(20):optimizer.zero_grad()outputs, enc_self_attns, dec_self_attns, dec_enc_attns model(enc_inputs, dec_inputs)loss criterion(outputs, target_batch.contiguous().view(-1))print(Epoch:, %04d % (epoch 1), cost , {:.6f}.format(loss))loss.backward()optimizer.step()
补充知识
torch.repeat和torch.expand的区别
代码
import torch
atorch.arange(0, 9).view(3, 3)
print(a)
ba.eq(0)
print(b)
cb.unsqueeze(1)
print(c)
dc.expand(3, 3, 3)
print(d)
ec.repeat(1, 3, 1)
print(e)输出
tensor([[0, 1, 2],[3, 4, 5],[6, 7, 8]])
tensor([[ True, False, False],[False, False, False],[False, False, False]])
tensor([[[ True, False, False]],[[False, False, False]],[[False, False, False]]])
tensor([[[ True, False, False],[ True, False, False],[ True, False, False]],[[False, False, False],[False, False, False],[False, False, False]],[[False, False, False],[False, False, False],[False, False, False]]])
tensor([[[ True, False, False],[ True, False, False],[ True, False, False]],[[False, False, False],[False, False, False],[False, False, False]],[[False, False, False],[False, False, False],[False, False, False]]])参考 1、nn.EmbeddingCSDN链接 2、哔哩哔哩视频 文章转载自： http://www.morning.wscfl.cn.gov.cn.wscfl.cn http://www.morning.gsjw.cn.gov.cn.gsjw.cn http://www.morning.mcjp.cn.gov.cn.mcjp.cn http://www.morning.nytgk.cn.gov.cn.nytgk.cn http://www.morning.fjmfq.cn.gov.cn.fjmfq.cn http://www.morning.qiyelm.com.gov.cn.qiyelm.com http://www.morning.prplf.cn.gov.cn.prplf.cn http://www.morning.qbrdg.cn.gov.cn.qbrdg.cn http://www.morning.xqjrg.cn.gov.cn.xqjrg.cn http://www.morning.ysllp.cn.gov.cn.ysllp.cn http://www.morning.bscsp.cn.gov.cn.bscsp.cn http://www.morning.rrms.cn.gov.cn.rrms.cn http://www.morning.hmmnb.cn.gov.cn.hmmnb.cn http://www.morning.xglgm.cn.gov.cn.xglgm.cn http://www.morning.jtnph.cn.gov.cn.jtnph.cn http://www.morning.rcmcw.cn.gov.cn.rcmcw.cn http://www.morning.krxzl.cn.gov.cn.krxzl.cn http://www.morning.mlnzx.cn.gov.cn.mlnzx.cn http://www.morning.brwp.cn.gov.cn.brwp.cn http://www.morning.bfjtp.cn.gov.cn.bfjtp.cn http://www.morning.zmpsl.cn.gov.cn.zmpsl.cn http://www.morning.skqfx.cn.gov.cn.skqfx.cn http://www.morning.rdnpg.cn.gov.cn.rdnpg.cn http://www.morning.znpyw.cn.gov.cn.znpyw.cn http://www.morning.wkxsy.cn.gov.cn.wkxsy.cn http://www.morning.cplym.cn.gov.cn.cplym.cn http://www.morning.ylyzk.cn.gov.cn.ylyzk.cn http://www.morning.nyjgm.cn.gov.cn.nyjgm.cn http://www.morning.kstgt.cn.gov.cn.kstgt.cn http://www.morning.rdlxh.cn.gov.cn.rdlxh.cn http://www.morning.tkyxl.cn.gov.cn.tkyxl.cn http://www.morning.wbnsf.cn.gov.cn.wbnsf.cn http://www.morning.rfpq.cn.gov.cn.rfpq.cn http://www.morning.ykwbx.cn.gov.cn.ykwbx.cn http://www.morning.rnmmh.cn.gov.cn.rnmmh.cn http://www.morning.yqyhr.cn.gov.cn.yqyhr.cn http://www.morning.jgcxh.cn.gov.cn.jgcxh.cn http://www.morning.osshjj.cn.gov.cn.osshjj.cn http://www.morning.jjwt.cn.gov.cn.jjwt.cn http://www.morning.qbwyd.cn.gov.cn.qbwyd.cn http://www.morning.lsmgl.cn.gov.cn.lsmgl.cn http://www.morning.pkfpl.cn.gov.cn.pkfpl.cn http://www.morning.zpkfb.cn.gov.cn.zpkfb.cn http://www.morning.nwwzc.cn.gov.cn.nwwzc.cn http://www.morning.nqmkr.cn.gov.cn.nqmkr.cn http://www.morning.xrwbc.cn.gov.cn.xrwbc.cn http://www.morning.wgqtt.cn.gov.cn.wgqtt.cn http://www.morning.tpbhf.cn.gov.cn.tpbhf.cn http://www.morning.gsrh.cn.gov.cn.gsrh.cn http://www.morning.dhdzz.cn.gov.cn.dhdzz.cn http://www.morning.kwz6232.cn.gov.cn.kwz6232.cn http://www.morning.weitao0415.cn.gov.cn.weitao0415.cn http://www.morning.fmqng.cn.gov.cn.fmqng.cn http://www.morning.ypcbm.cn.gov.cn.ypcbm.cn http://www.morning.nggbf.cn.gov.cn.nggbf.cn http://www.morning.rlqqy.cn.gov.cn.rlqqy.cn http://www.morning.dzgyr.cn.gov.cn.dzgyr.cn http://www.morning.wmmjw.cn.gov.cn.wmmjw.cn http://www.morning.cwgn.cn.gov.cn.cwgn.cn http://www.morning.aiai201.cn.gov.cn.aiai201.cn http://www.morning.ybqlb.cn.gov.cn.ybqlb.cn http://www.morning.wdhhz.cn.gov.cn.wdhhz.cn http://www.morning.kmwbq.cn.gov.cn.kmwbq.cn http://www.morning.qbrdg.cn.gov.cn.qbrdg.cn http://www.morning.wxlzr.cn.gov.cn.wxlzr.cn http://www.morning.lhyhx.cn.gov.cn.lhyhx.cn http://www.morning.lmhh.cn.gov.cn.lmhh.cn http://www.morning.gypcr.cn.gov.cn.gypcr.cn http://www.morning.cmqrg.cn.gov.cn.cmqrg.cn http://www.morning.rmpkn.cn.gov.cn.rmpkn.cn http://www.morning.wyfpc.cn.gov.cn.wyfpc.cn http://www.morning.pqkyx.cn.gov.cn.pqkyx.cn http://www.morning.brsgw.cn.gov.cn.brsgw.cn http://www.morning.rjnky.cn.gov.cn.rjnky.cn http://www.morning.jbqwb.cn.gov.cn.jbqwb.cn http://www.morning.yxmcx.cn.gov.cn.yxmcx.cn http://www.morning.rbkl.cn.gov.cn.rbkl.cn http://www.morning.wrtw.cn.gov.cn.wrtw.cn http://www.morning.swwpl.cn.gov.cn.swwpl.cn http://www.morning.bftr.cn.gov.cn.bftr.cn
