Dodawanie uwagi krzyżowej do warstwy dekodera
Aby zintegrować wcześniej zdefiniowane stosy kodera i dekodera w transformerze typu koder-dekoder, musisz utworzyć mechanizm uwagi krzyżowej, który będzie pełnił rolę mostu między nimi.
Klasa MultiHeadAttention, którą zdefiniowano wcześniej, jest nadal dostępna.
To ćwiczenie jest częścią kursu
Modele Transformer w PyTorch
Instrukcje do ćwiczenia
- Zdefiniuj mechanizm uwagi krzyżowej (używając
MultiHeadAttention) oraz trzecią normalizację warstwy (używającnn.LayerNorm) w metodzie__init__. - Uzupełnij przejście w przód, dodając uwagę krzyżową do warstwy dekodera.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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