デコーダ層にクロスアテンションを追加する

これまでに定義したエンコーダとデコーダのスタックをエンコーダ-デコーダ型トランスフォーマーに統合するには、両者を橋渡しする クロスアテンション機構 を作成する必要があります。

以前に定義した MultiHeadAttention クラスは引き続き使用できます。

この演習はコースの一部です

PyTorchで学ぶTransformerモデル

コースを見る

演習の手順

__init__ メソッドで、クロスアテンション機構（MultiHeadAttention の使用）と3つ目のレイヤー正規化（nn.LayerNorm の使用）を定義します。
フォワードパスを完成させ、デコーダ層にクロスアテンションを追加します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

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

コードを編集して実行