Ajouter la cross-attention à la couche de décodeur
Pour intégrer les piles d’encodeur et de décodeur que vous avez définies précédemment dans un transformeur encodeur–décodeur, vous devez créer un mécanisme de cross-attention qui fera le lien entre les deux.
La classe MultiHeadAttention que vous avez définie auparavant est toujours disponible.
Cet exercice fait partie du cours
<cours>Modèles Transformer avec PyTorch</cours>Instructions de l’exercice
- Définissez un mécanisme de cross-attention (avec
MultiHeadAttention) et une troisième normalisation de couche (avecnn.LayerNorm) dans la méthode__init__. - Complétez la passe avant pour ajouter la cross-attention à la couche de décodeur.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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