第TR3周:Pytorch复现Transformer

Transformer通过自注意力机制,改变了序列建模的方式,成为AI领域的基础架构

编码器:理解输入,提取上下文特征。

解码器:基于编码特征,按顺序生成输出。

复制代码

1.多头注意力机制

复制代码
import math
import torch
import torch.nn as nn

device=torch.device('cuda' if torch.cuda.is_available() else 'cpu')

class MultiHeadAttention(nn.Module):
    # n_heads:多头注意力的数量
    # hid_dim:每个词输出的向量维度
    def __init__(self,hid_dim,n_heads):
        super(MultiHeadAttention,self).__init__()
        self.hid_dim=hid_dim
        self.n_heads=n_heads

        #强制hid_dim必须整除 h
        assert hid_dim % n_heads == 0
        #定义W_q矩阵ce
        self.w_q=nn.Linear(hid_dim,hid_dim)
        #定义W_k矩阵
        self.w_k=nn.Linear(hid_dim,hid_dim)
        #定义W_v矩阵
        self.w_v=nn.Linear(hid_dim,hid_dim)
        self.fc =nn.Linear(hid_dim,hid_dim)
        #缩放
        self.scale=torch.sqrt(torch.FloatTensor([hid_dim//n_heads]))

    def forward(self,query,key,value,mask=None):
        #Q,K,V的在句子这长度这一个维度的数值可以不一样,可以一样
        #K:[64,10,300],假设batch_size为64,有10个词,每个词的Query向量是300维
        bsz=query.shape[0]
        Q  =self.w_q(query)
        K  =self.w_k(key)
        V  =self.w_v(value)
        #这里把K Q V 矩阵拆分为多组注意力
        #最后一维就是是用self.hid_dim // self.n_heads 来得到的,表示每组注意力的向量长度,每个head的向量长度是:300/6=50
        #64表示batch size,6表示有6组注意力,10表示有10词,50表示每组注意力的词的向量长度
        #K: [64,10,300] 拆分多组注意力 -> [64,10,6,50] 转置得到 -> [64,6,10,50]
        #转置是为了把注意力的数量6放在前面,把10和50放在后面,方便下面计算
        Q=Q.view(bsz,-1,self.n_heads,self.hid_dim//
                 self.n_heads).permute(0,2,1,3)
        K=K.view(bsz,-1,self.n_heads,self.hid_dim//
                 self.n_heads).permute(0,2,1,3)
        V=V.view(bsz,-1,self.n_heads,self.hid_dim//
                 self.n_heads).permute(0,2,1,3)
        #Q乘以K的转置,除以scale
        #[64,6,12,50]*[64,6,50,10]=[64,6,12,10]
        #attention:[64,6,12,10]
        attention=torch.matmul(Q,K.permute(0,1,3,2)) / self.scale

        #如果mask不为空,那么就把mask为0的位置的attention分数设置为-1e10,这里用‘0’来指示哪些位置的词向量不能被attention到,比如padding位置
        if mask is not None:
            attention=attention.masked_fill(mask==0,-1e10)

            #第二步:计算上一步结果的softmax,再经过dropout,得到attention
            #注意,这里是对最后一维做softmax,也就是在输入序列的维度做softmax
            #attention: [64,6,12,10]
        attention=torch.softmax(attention,dim=-1)

        #第三步,attention结果与V相乘,得到多头注意力的结果
        #[64,6,12,10] * [64,6,10,50] =[64,6,12,50]
        # x: [64,6,12,50]
        x=torch.matmul(attention,V)

        #因为query有12个词,所以把12放在前面,把50和6放在后面,方便下面拼接多组的结果
        #x: [64,6,12,50] 转置 -> [64,12,6,50]
        x=x.permute(0,2,1,3).contiguous()
        #这里的矩阵转换就是:把多头注意力的结果拼接起来
        #最后结果就是[64,12,300]
        # x:[64,12,6,50] -> [64,12,300]
        x=x.view(bsz,-1,self.n_heads*(self.hid_dim//self.n_heads))
        x=self.fc(x)
        return x

2.前馈传播

复制代码
class Feedforward(nn.Module):
    def __init__(self,d_model,d_ff,dropout=0.1):
        super(Feedforward,self).__init__()
        #两层线性映射和激活函数
        self.linear1=nn.Linear(d_model,d_ff)
        self.dropout=nn.Dropout(dropout)
        self.linear2=nn.Linear(d_ff,d_model)

    def forward(self,x):
        x=torch.nn.functional.relu(self.linear1(x))
        x=self.dropout(x)
        x=self.linear2(x)
        return x

3.位置编码

复制代码
class PositionalEncoding(nn.Module):
    "实现位置编码"
    def __init__(self, d_model, dropout=0.1, max_len=5000):
        super(PositionalEncoding, self).__init__()
        self.dropout = nn.Dropout(p=dropout)
        # 初始化Shape为(max_len, d_model)的PE (positional encoding)
        pe = torch.zeros(max_len, d_model).to(device)

        # 初始化一个tensor [[0, 1, 2, 3, ...]]
        position = torch.arange(0, max_len).unsqueeze(1)
        # 这里就是sin和cos括号中的内容,通过e和ln进行了变换
        div_term = torch.exp(torch.arange(0, d_model, 2) * -(math.log(10000.0) / d_model))

        pe[:, 0::2] = torch.sin(position * div_term) # 计算PE(pos, 2i)
        pe[:, 1::2] = torch.cos(position * div_term) # 计算PE(pos, 2i+1)

        pe = pe.unsqueeze(0) # 为了方便计算,在最外面在unsqueeze出一个batch

        # 如果一个参数不参与梯度下降,但又希望保存model的时候将其保存下来
        # 这个时候就可以用register_buffer
        self.register_buffer("pe", pe)

    def forward(self, x):
        """
        x 为embedding后的inputs,例如(1,7, 128),batch size为1,7个单词,单词维度为128
        """
        # 将x和positional encoding相加。
        x = x + self.pe[:, :x.size(1)].requires_grad_(False)

        return self.dropout(x)

4.编码层

复制代码
class EncoderLayer(nn.Module):
    def __init__(self,d_model,n_heads,d_ff,dropout=0.1):
        super(EncoderLayer,self).__init__()
        #编码器层包含自注意机制和前馈神经网络
        self.self_attn=MultiHeadAttention(d_model,n_heads)
        self.feedforward=Feedforward(d_model,d_ff,dropout)
        self.norm1=nn.LayerNorm(d_model)
        self.norm2=nn.LayerNorm(d_model)
        self.dropout=nn.Dropout(dropout)

    def forward(self,x,mask):
        #自注意力机制
        atten_output=self.self_attn(x,x,x,mask)
        x=x+self.dropout(atten_output)
        x=self.norm1(x)

        #前馈神经网络
        ff_output=self.feedforward(x)
        x=x+self.dropout(ff_output)
        x=self.norm2(x)

        return x

5.解码层

复制代码
class DecoderLayer(nn.Module):
    def __init__(self, d_model, n_heads, d_ff, dropout=0.1):
        super(DecoderLayer, self).__init__()
        # 解码器层包含自注意力机制、编码器-解码器注意力机制和前馈神经网络
        self.self_attn   = MultiHeadAttention(d_model, n_heads)
        self.enc_attn    = MultiHeadAttention(d_model, n_heads)
        self.feedforward = Feedforward(d_model, d_ff, dropout)
        self.norm1   = nn.LayerNorm(d_model)
        self.norm2   = nn.LayerNorm(d_model)
        self.norm3   = nn.LayerNorm(d_model)
        self.dropout = nn.Dropout(dropout)

    def forward(self, x, enc_output, self_mask, context_mask):
        # 自注意力机制
        attn_output = self.self_attn(x, x, x, self_mask)
        x           = x + self.dropout(attn_output)
        x           = self.norm1(x)

        # 编码器-解码器注意力机制
        attn_output = self.enc_attn(x, enc_output, enc_output, context_mask)
        x           = x + self.dropout(attn_output)
        x           = self.norm2(x)

        # 前馈神经网络
        ff_output = self.feedforward(x)
        x = x + self.dropout(ff_output)
        x = self.norm3(x)

        return x

6.Transformer模型构建

复制代码
class Transformer(nn.Module):
    def __init__(self, vocab_size, d_model, n_heads, n_encoder_layers, n_decoder_layers, d_ff, dropout=0.1):
        super(Transformer, self).__init__()
        # Transformer 模型包含词嵌入、位置编码、编码器和解码器
        self.embedding           = nn.Embedding(vocab_size, d_model)
        self.positional_encoding = PositionalEncoding(d_model)
        self.encoder_layers      = nn.ModuleList([EncoderLayer(d_model, n_heads, d_ff, dropout) for _ in range(n_encoder_layers)])
        self.decoder_layers      = nn.ModuleList([DecoderLayer(d_model, n_heads, d_ff, dropout) for _ in range(n_decoder_layers)])
        self.fc_out              = nn.Linear(d_model, vocab_size)
        self.dropout             = nn.Dropout(dropout)

    def forward(self, src, trg, src_mask, trg_mask):
        # 词嵌入和位置编码
        src = self.embedding(src)
        src = self.positional_encoding(src)
        trg = self.embedding(trg)
        trg = self.positional_encoding(trg)

        # 编码器
        for layer in self.encoder_layers:
            src = layer(src, src_mask)

        # 解码器
        for layer in self.decoder_layers:
            trg = layer(trg, src, trg_mask, src_mask)

        # 输出层
        output = self.fc_out(trg)

        return output
复制代码
vocab_size = 10000
d_model    = 128
n_heads    = 8
n_encoder_layers = 6
n_decoder_layers = 6
d_ff             = 2048
dropout          = 0.1

device = torch.device('cpu')

transformer_model = Transformer(vocab_size, d_model, n_heads, n_encoder_layers, n_decoder_layers, d_ff, dropout)

# 定义输入
src = torch.randint(0, vocab_size, (32, 10))  # 源语言句子
trg = torch.randint(0, vocab_size, (32, 20))  # 目标语言句子
src_mask = (src != 0).unsqueeze(1).unsqueeze(2)  # 掩码,用于屏蔽填充的位置
trg_mask = (trg != 0).unsqueeze(1).unsqueeze(2)  # 掩码,用于屏蔽填充的位置

# 模型前向传播
output = transformer_model(src, trg, src_mask, trg_mask)
print(output.shape)
相关推荐
秦南北10 分钟前
国内领先的宠物类电商代运营公司品融电商
大数据·人工智能·电商
龚大龙24 分钟前
机器学习(李宏毅)——Domain Adaptation
人工智能·机器学习
源码姑娘31 分钟前
基于DeepSeek的智慧医药系统(源码+部署教程)
java·人工智能·程序人生·毕业设计·springboot·健康医疗·课程设计
☞黑心萝卜三条杠☜1 小时前
后门攻击仓库 backdoor attack
论文阅读·人工智能
三三木木七1 小时前
BERT、T5、GPTs,Llama
人工智能·深度学习·bert
problc2 小时前
Manus AI 全球首款通用型 Agent,中国制造
大数据·人工智能·制造
xiangzhihong82 小时前
GitHub神秘组织3小时极速复刻Manus
人工智能·深度学习·机器学习
博云技术社区2 小时前
DeepSeek×博云AIOS:突破算力桎梏,开启AI普惠新纪元
人工智能·博云·deepseek
ZHOU_WUYI3 小时前
Process-based Self-Rewarding Language Models 论文简介
人工智能·深度学习
优维科技EasyOps3 小时前
优维眼中的Manus:AI工程化思维重构Agent的运维端启示
运维·人工智能·重构