LoslegenKostenlos starten

Cross-Attention zur Decoder-Schicht hinzufügen

Um die zuvor definierten Encoder- und Decoder-Stacks zu einem Encoder-Decoder-Transformer zu verbinden, musst du einen Cross-Attention-Mechanismus erstellen, der als Brücke zwischen beiden dient.

Die zuvor von dir definierte Klasse MultiHeadAttention ist weiterhin verfügbar.

Diese Übung ist Teil des Kurses

<Kurs>Transformer-Modelle mit PyTorch</Kurs>
Kurs ansehen

Übungsanweisungen

  • Definiere in der Methode __init__ einen Cross-Attention-Mechanismus (mit MultiHeadAttention) und eine dritte Layer-Normalisierung (mit nn.LayerNorm).
  • Vervollständige den Forward-Pass, um Cross-Attention zur Decoder-Schicht hinzuzufügen.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

class DecoderLayer(nn.Module):
    def __init__(self, d_model, num_heads, d_ff, dropout):
        super().__init__()
        self.self_attn = MultiHeadAttention(d_model, num_heads)
        # Define cross-attention and a third layer normalization
        self.cross_attn = ____
        self.ff_sublayer = FeedForwardSubLayer(d_model, d_ff)
        self.norm1 = nn.LayerNorm(d_model)
        self.norm2 = nn.LayerNorm(d_model)
        self.norm3 = ____
        self.dropout = nn.Dropout(dropout)

    def forward(self, x, y, tgt_mask, cross_mask):
        self_attn_output = self.self_attn(x, x, x, tgt_mask)
        x = self.norm1(x + self.dropout(self_attn_output))
        # Complete the forward pass
        cross_attn_output = self.____(____)
        x = self.norm2(x + self.dropout(____))
        ff_output = self.ff_sublayer(x)
        x = self.norm3(x + self.dropout(ff_output))
        return x
Code bearbeiten und ausführen