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
kupeThinkPoem34 分钟前
代码生成工具Amazon CodeWhisperer介绍
人工智能
weixin79893765432...36 分钟前
前端开发者如何拥抱 AI-Agent(科普)
人工智能·ai
晨非辰2 小时前
【数据结构初阶系列】归并排序全透视:从算法原理全分析到源码实战应用
运维·c语言·数据结构·c++·人工智能·python·深度学习
菠菠萝宝3 小时前
【Java手搓RAGFlow】-3- 用户认证与权限管理
java·开发语言·人工智能·llm·openai·qwen·rag
youngfengying4 小时前
《轻量化 Transformers:开启计算机视觉新篇》
人工智能·计算机视觉
搞科研的小刘选手6 小时前
【同济大学主办】第十一届能源资源与环境工程研究进展国际学术会议(ICAESEE 2025)
大数据·人工智能·能源·材质·材料工程·地理信息
MARS_AI_6 小时前
云蝠智能 VoiceAgent 2.0:全栈语音交互能力升级
人工智能·自然语言处理·交互·信息与通信·agi
top_designer6 小时前
Substance 3D Stager:电商“虚拟摄影”工作流
人工智能·3d·设计模式·prompt·技术美术·教育电商·游戏美术
雷神大青椒6 小时前
离别的十字路口: 是否还记得曾经追求的梦想
人工智能·程序人生·职场和发展·玩游戏
m0_650108247 小时前
多模态大模型 VS. 图像视频生成模型浅析
人工智能·技术边界与协同·mllm与生成模型·技术浅谈