transformer-实现解码器Decoder

Decoder

论文地址

https://arxiv.org/pdf/1706.03762

Decoder结构介绍

Transformer Decoder是Transformer模型的核心生成组件，负责基于编码器输出和已生成内容预测后续token。通过堆叠多层结构相同的解码层（Decoder Layer），每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，实现序列生成的上下文感知。

实现上图红色框中的整个Decoder结构

主要组件包含：
1. 词嵌入层：将目标序列token映射为连续向量
2. 位置编码：加入自回归生成的位置信息
3. 多层解码层：通过三类注意力机制进行上下文建模

数学流程

解码器的计算过程可形式化为：
Embedding : Y e m b e d = Embedding ( Y i n p u t ) PositionEncode : Y p o s = Y e m b e d + PositionEncoding ( s e q _ l e n ) DecoderLayers : H o u t = LayerNorm ( FFN ( EncDec-Attn ( Self-Attn ( Y p o s ) ) ) ) \begin{aligned} \text{Embedding} &: Y_{embed} = \text{Embedding}(Y_{input}) \\ \text{PositionEncode} &: Y_{pos} = Y_{embed} + \text{PositionEncoding}(seq\len) \\ \text{DecoderLayers} &: H{out} = \text{LayerNorm}( \text{FFN}( \text{EncDec-Attn}( \text{Self-Attn}(Y_{pos}) ) ) ) \end{aligned} EmbeddingPositionEncodeDecoderLayers:Yembed=Embedding(Yinput):Ypos=Yembed+PositionEncoding(seq_len):Hout=LayerNorm(FFN(EncDec-Attn(Self-Attn(Ypos))))

每个解码层(DecoderLayers)包含：
1. 带掩码的多头自注意力（Masked Multi-Head Self-Attention）
2. 编码器-解码器注意力（Encoder-Decoder Attention）
3. 前馈神经网络（Feed-Forward Network）
4. 三次残差连接 + 层归一化

代码实现

其他层的实现

层名	链接
PositionEncoding	https://blog.csdn.net/hbkybkzw/article/details/147431820
calculate_attention	https://blog.csdn.net/hbkybkzw/article/details/147462845
MultiHeadAttention	https://blog.csdn.net/hbkybkzw/article/details/147490387
FeedForward	https://blog.csdn.net/hbkybkzw/article/details/147515883
LayerNorm	https://blog.csdn.net/hbkybkzw/article/details/147516529
EncoderLayer	https://blog.csdn.net/hbkybkzw/article/details/147591824
Encoder	https://blog.csdn.net/hbkybkzw/article/details/147616115
DecoderLayer	https://blog.csdn.net/hbkybkzw/article/details/147616556

下面统一在before.py中导入

实现 transformer 解码器 Decoder

python 复制代码

import torch 
from torch import nn

from before import PositionEncoding,calculate_attention,MultiHeadAttention,FeedForward,LayerNorm,DecoderLayer

class Decoder(nn.Module):
    def __init__(self, vocab_size, padding_idx, d_model, n_heads, ffn_hidden, 
                 dropout_prob=0.1, num_layers=6, max_seq_len=512):
        super(Decoder, self).__init__()
        # 词嵌入层（含padding掩码）
        self.embedding = nn.Embedding(
            num_embeddings=vocab_size,
            embedding_dim=d_model,
            padding_idx=padding_idx
        )
        # 位置编码器
        self.position_encode = PositionEncoding(
            d_model=d_model,
            max_seq_len=max_seq_len
        )
        # 解码层堆叠
        self.decode_layers = nn.ModuleList([
            DecoderLayer(
                n_heads=n_heads,
                d_model=d_model,
                ffn_hidden=ffn_hidden,
                dropout_prob=dropout_prob
            ) for _ in range(num_layers)
        ])

    def forward(self, x, encoder_kv, dst_mask=None, src_dst_mask=None):
        # 输入形状: [batch_size, tgt_seq_len]
        embed_x = self.embedding(x)               # 词向量映射
        pos_encode_x = self.position_encode(embed_x)  # 位置编码
        
        # 逐层处理（携带编码器输出）
        for layer in self.decode_layers:
            pos_encode_x = layer(
                x=pos_encode_x,
                encoder_kv=encoder_kv,
                dst_mask=dst_mask,
                src_dst_mask=src_dst_mask
            )
            
        return pos_encode_x  # 输出形状: [batch_size, tgt_seq_len, d_model]

关键组件说明：

双注意力机制：每层包含自注意力和编码器-解码器注意力
掩码控制 ：
- dst_mask：防止解码时看到未来信息（三角掩码）
- src_dst_mask：控制编码器-解码器注意力范围
信息融合：将编码器输出作为Key/Value供解码器查询

维度变化

处理阶段	张量形状变化示例
原始输入	$batch_size, tgt_seq_len$
词嵌入层输出	$batch_size, tgt_seq_len, d_model$
位置编码	$batch_size, tgt_seq_len, d_model$
编码器输出	$batch_size, src_seq_len, d_model$
解码层输出	$batch_size, tgt_seq_len, d_model$

使用示例

测试用例

python 复制代码

if __name__ == "__main__":
    # 模拟输入：batch_size=4，目标序列长度32
    y = torch.randint(0, 100, (4, 32))
    # 编码器输出：batch_size=4，源序列长度64，维度512
    encoder_out = torch.randn(4, 64, 512)

    decoder = Decoder(vocab_size=100,padding_idx=0,d_model=512,n_heads=8,ffn_hidden=2048,num_layers=6,max_seq_len=51)

    out = decoder(y, encoder_out)

    print("输入形状:", y.shape)  
    print("编码器输出形状:", encoder_out.shape)  
    print("解码器输出形状:", out.shape)

参数解释

参数名	典型值	作用描述
vocab_size	30000	目标语言词表大小
padding_idx	0	指定padding token的索引
d_model	512	模型隐藏层维度
n_heads	8	注意力头数量
ffn_hidden	2048	前馈网络中间层维度
num_layers	6	解码层堆叠数量
max_seq_len	512	支持的最大序列长度
encoder_kv	-	编码器输出，用于交叉注意力计算
dst_mask	-	目标序列自注意力掩码（三角形）
src_dst_mask	-	源-目标序列交叉注意力掩码