使用Pytorch实现一个简单的Transformer - Transformer教程

最近几年来,Transformer模型在自然语言处理(NLP)领域大放异彩。无论是谷歌的BERT,还是OpenAI的GPT系列,Transformer架构都展示出了强大的性能。那么今天,我就带大家一步步用Pytorch实现一个简单的Transformer模型,让大家对这个火热的技术有一个更深入的理解。

了解Transformer的基本原理

首先,我们需要了解一下Transformer的基本原理。Transformer模型是由Vaswani等人在2017年提出的,主要用于替代传统的循环神经网络(RNN)和长短期记忆网络(LSTM)。它的核心思想是使用自注意力机制(Self-Attention)来处理输入序列,从而能够更好地捕捉长距离的依赖关系。

Transformer的核心组件

Transformer主要由两部分组成:编码器(Encoder)和解码器(Decoder)。每个编码器和解码器又由多个相同的层叠加而成。每一层主要包括以下几个模块:

  1. 多头自注意力机制(Multi-Head Self-Attention):用于捕捉输入序列中各个位置的依赖关系。
  2. 前馈神经网络(FNN):用于对每个位置进行非线性变换。
  3. 残差连接和层归一化(Residual Connection and Layer Normalization):帮助梯度传播,避免梯度消失问题。

用Pytorch实现Transformer

现在,让我们开始用Pytorch一步步实现一个简单的Transformer模型。首先,确保你已经安装了Pytorch,如果还没有,可以使用以下命令进行安装:

bash 复制代码
pip install torch

1. 导入必要的库

python 复制代码
import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np

2. 实现多头自注意力机制

多头自注意力机制是Transformer的核心组件之一,它能够让模型在不同的子空间进行注意力操作,从而捕捉到更多的信息。

python 复制代码
class MultiHeadSelfAttention(nn.Module):
    def __init__(self, embed_size, heads):
        super(MultiHeadSelfAttention, self).__init__()
        self.embed_size = embed_size
        self.heads = heads
        self.head_dim = embed_size // heads
        
        assert (self.head_dim * heads == embed_size), "Embedding size needs to be divisible by heads"

        self.values = nn.Linear(self.head_dim, embed_size, bias=False)
        self.keys = nn.Linear(self.head_dim, embed_size, bias=False)
        self.queries = nn.Linear(self.head_dim, embed_size, bias=False)
        self.fc_out = nn.Linear(embed_size, embed_size)

    def forward(self, values, keys, query, mask):
        N = query.shape[0]
        value_len, key_len, query_len = values.shape[1], keys.shape[1], query.shape[1]

        values = values.reshape(N, value_len, self.heads, self.head_dim)
        keys = keys.reshape(N, key_len, self.heads, self.head_dim)
        queries = query.reshape(N, query_len, self.heads, self.head_dim)

        energy = torch.einsum("nqhd,nkhd->nhqk", [queries, keys])
        
        if mask is not None:
            energy = energy.masked_fill(mask == 0, float("-1e20"))

        attention = torch.softmax(energy / (self.embed_size ** (1 / 2)), dim=3)

        out = torch.einsum("nhql,nlhd->nqhd", [attention, values]).reshape(N, query_len, self.embed_size)
        
        out = self.fc_out(out)
        
        return out

3. 实现前馈神经网络

前馈神经网络是Transformer中另一个重要组件,它能够对每个位置的表示进行非线性变换。

python 复制代码
class FeedForward(nn.Module):
    def __init__(self, embed_size, ff_hidden):
        super(FeedForward, self).__init__()
        self.fc1 = nn.Linear(embed_size, ff_hidden)
        self.fc2 = nn.Linear(ff_hidden, embed_size)

    def forward(self, x):
        return self.fc2(torch.relu(self.fc1(x)))

4. 实现编码器层

编码器层由多头自注意力机制和前馈神经网络组成,同时加入了残差连接和层归一化。

python 复制代码
class EncoderLayer(nn.Module):
    def __init__(self, embed_size, heads, ff_hidden, dropout):
        super(EncoderLayer, self).__init__()
        self.norm1 = nn.LayerNorm(embed_size)
        self.norm2 = nn.LayerNorm(embed_size)
        self.attention = MultiHeadSelfAttention(embed_size, heads)
        self.ff = FeedForward(embed_size, ff_hidden)
        self.dropout = nn.Dropout(dropout)

    def forward(self, x, mask):
        attention = self.attention(x, x, x, mask)
        x = self.dropout(self.norm1(attention + x))
        forward = self.ff(x)
        x = self.dropout(self.norm2(forward + x))
        return x

5. 实现编码器

编码器由多个编码器层组成。

python 复制代码
class Encoder(nn.Module):
    def __init__(self, src_vocab_size, embed_size, num_layers, heads, ff_hidden, dropout, max_length):
        super(Encoder, self).__init__()
        self.embed_size = embed_size
        self.word_embedding = nn.Embedding(src_vocab_size, embed_size)
        self.position_embedding = nn.Embedding(max_length, embed_size)

        self.layers = nn.ModuleList(
            [EncoderLayer(embed_size, heads, ff_hidden, dropout) for _ in range(num_layers)]
        )
        self.dropout = nn.Dropout(dropout)

    def forward(self, x, mask):
        N, seq_length = x.shape
        positions = torch.arange(0, seq_length).expand(N, seq_length).to(x.device)
        out = self.dropout(self.word_embedding(x) + self.position_embedding(positions))
        
        for layer in self.layers:
            out = layer(out, mask)

        return out

6. 实现解码器层和解码器

解码器层的结构与编码器层类似,但多了一个额外的注意力机制,用于关注编码器的输出。

python 复制代码
class DecoderLayer(nn.Module):
    def __init__(self, embed_size, heads, ff_hidden, dropout):
        super(DecoderLayer, self).__init__()
        self.norm1 = nn.LayerNorm(embed_size)
        self.norm2 = nn.LayerNorm(embed_size)
        self.norm3 = nn.LayerNorm(embed_size)
        
        self.attention = MultiHeadSelfAttention(embed_size, heads)
        self.transformer_block = MultiHeadSelfAttention(embed_size, heads)
        self.ff = FeedForward(embed_size, ff_hidden)
        self.dropout = nn.Dropout(dropout)

    def forward(self, x, value, key, src_mask, trg_mask):
        attention = self.attention(x, x, x, trg_mask)
        query = self.dropout(self.norm1(attention + x))
        attention = self.transformer_block(value, key, query, src_mask)
        out = self.dropout(self.norm2(attention + query))
        forward = self.ff(out)
        out = self.dropout(self.norm3(forward + out))
        return out
python 复制代码
class Decoder(nn.Module):
    def __init__(self, trg_vocab_size, embed_size, num_layers, heads, ff_hidden, dropout, max_length):
        super(Decoder, self).__init__()
        self.embed_size = embed_size
        self.word_embedding = nn.Embedding(trg_vocab_size, embed_size)
        self.position_embedding = nn.Embedding(max_length, embed_size)

        self.layers = nn.ModuleList(
            [DecoderLayer(embed_size, heads, ff_hidden, dropout) for _ in range(num_layers)]
        )
        self.fc_out = nn.Linear(embed_size, trg_vocab_size)
        self.dropout = nn.Dropout(dropout)

    def forward(self, x, enc_out, src_mask, trg_mask):
        N, seq_length = x.shape
        positions = torch.arange(0, seq_length).expand(N, seq_length).to(x.device)
        x = self.dropout(self.word_embedding(x) + self.position_embedding(positions))
        
        for layer in self.layers:
            x = layer(x, enc_out, enc_out, src_mask, trg_mask)
        
        out = self.fc_out(x)
        
        return out

7. 实现完整的Transformer模型

最后,我们将编码器和解码器组合在一起,形成一个完整的Transformer模型。

python 复制代码
class Transformer(nn.Module):
    def __init__(self, src_vocab_size, trg_vocab_size, src_pad_idx, trg_pad_idx, embed_size=512, num_layers=6, forward_expansion=4, heads=8, dropout=0, max_length=100):
        super(Transformer, self).__init__()

        self.encoder = Encoder(src_vocab_size, embed_size, num_layers, heads, forward_expansion, dropout, max_length)
        self.decoder = Decoder(trg_vocab_size, embed_size, num_layers, heads, forward_expansion, dropout, max_length)
        self.src_pad_idx = src_pad_idx
        self.trg_pad_idx = trg_pad_idx

    def make_src_mask(self, src):
        src_mask = (src != self<br><br>更多精彩内容请关注: [ChatGPT中文网](https://www.chatgptzh.com)
相关推荐
AIsoft_868812 分钟前
会议录音转文字与AI纪要工具推荐:免费额度与核心功能对比指南
人工智能
sphw13 分钟前
nixnb: Jupyter Notebook 优雅分享
ide·人工智能·jupyter
mingo_敏17 分钟前
DeepAgents : 权限(Permissions)
人工智能·深度学习·langchain
合调于形25 分钟前
Bianfchheng (Liuu) 《边城(六)》字母标调拼音拼写实测案例
人工智能·自然语言处理·人机交互·语音识别·学习方法
凯丨1 小时前
AI 蠕虫来了:恶意文档如何通过 Copilot for Word 自我传播?
人工智能·c#·copilot
武子康1 小时前
GPT-5.6 Luna 降价 80%:Agent 真正该重算的是单次成功成本
人工智能·chatgpt·llm
Gu Gu Study1 小时前
ScoutLoop开放域深度研究引擎(agent的初步设计想法)
人工智能·python
HyperAI超神经1 小时前
15亿参数挑战机器人控制,MiniCPM-RobotManip正式开源;覆盖文本/图/视频/动作序列,英伟达发布全模态模型Cosmos3-Edge
人工智能·深度学习·机器人·多模态·图像生成·具身智能·智能体
搞科研的小刘选手1 小时前
【国际生态学协会主办】2026年生态环境与人工智能国际学术会议(ICAIEE 2026)
人工智能·生态环境·学术会议·会议推荐
笨鸟先飞,勤能补拙1 小时前
AI 赋能网络安全领域深度剖析
网络·人工智能·windows·安全·web安全·网络安全·github