Aggiungere la cross-attention al layer del decoder
Per integrare gli stack di encoder e decoder che hai definito in precedenza in un transformer encoder-decoder, devi creare un meccanismo di cross-attention che faccia da ponte tra i due.
La classe MultiHeadAttention che hai definito in precedenza è ancora disponibile.
Questo esercizio fa parte del corso
Modelli Transformer con PyTorch
Istruzioni dell'esercizio
- Definisci un meccanismo di cross-attention (usando
MultiHeadAttention) e una terza normalizzazione di layer (usandonn.LayerNorm) nel metodo__init__. - Completa il forward pass per aggiungere la cross-attention al layer del decoder.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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