デコーダー Transformer を完成させる

いよいよデコーダー Transformer の本体を実装します。これまでに作成した InputEmbeddings、PositionalEncoding、DecoderLayer クラスを組み合わせます。

この演習はコースの一部です

PyTorchで学ぶTransformerモデル

演習の手順

内包表記と DecoderLayer クラスを使って、num_layers 個のデコーダーレイヤーのリストを定義します。
隠れ状態を単語の尤度に射影する線形層を定義します。
__init__ で定義したレイヤーを使って順伝播を完成させます。
デコーダー Transformer をインスタンス化し、input_tokens と tgt_mask に適用します。

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 TransformerDecoder(nn.Module):
    def __init__(self, vocab_size, d_model, num_layers, num_heads, d_ff, dropout, max_seq_length):
        super(TransformerDecoder, self).__init__()
        self.embedding = InputEmbeddings(vocab_size, d_model)
        self.positional_encoding = PositionalEncoding(d_model, max_seq_length)
        # Define the list of decoder layers and linear layer
        self.layers = nn.____([____(d_model, num_heads, d_ff, dropout) for _ in range(num_layers)])
        # Define a linear layer to project hidden states to likelihoods
        self.fc = ____
  
    def forward(self, x, tgt_mask):
        # Complete the forward pass
        x = self.____(x)
        x = self.____(x)
        for layer in self.layers:
            x = ____
        x = self.____(x)
        return F.log_softmax(x, dim=-1)

# Instantiate a decoder transformer and apply it to input_tokens and tgt_mask
transformer_decoder = ____(vocab_size, d_model, num_layers, num_heads, d_ff, dropout, max_seq_length)   
output = ____
print(output)
print(output.shape)

コードを編集して実行