ComenzarEmpieza gratis

El cuerpo del transformer codificador

¡Tu cuerpo de transformer solo con codificador está casi listo! Es hora de combinar las clases InputEmbeddings, PositionalEncoding y EncoderLayer que creaste antes en una clase TransformerEncoder.

Este ejercicio forma parte del curso

Modelos Transformer con PyTorch

Ver curso

Instrucciones del ejercicio

  • Define la incrustación de tokens, la codificación posicional y las capas del codificador (usa la list comprehension para crear num_layers capas de codificador).
  • Realiza la pasada hacia adelante a través de estas capas.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

class TransformerEncoder(nn.Module):
    def __init__(self, vocab_size, d_model, num_layers, num_heads, d_ff, dropout, max_seq_length):
        super().__init__()
        # Define the embedding, positional encoding, and encoder layers
        self.embedding = ____(vocab_size, d_model)
        self.positional_encoding = ____(d_model, max_seq_length)
        self.layers = nn.____([____(d_model, num_heads, d_ff, dropout) for _ in range(num_layers)])

    def forward(self, x, src_mask):
        # Perform the forward pass through the layers
        x = self.____(x)
        x = self.____(x)
        for layer in ____:
            x = layer(x, src_mask)
        return x
Editar y ejecutar código