Zacznij terazZacznij za darmo

Budowanie transformera enkoder-dekoder

Teraz, gdy zaktualizowano klasę DecoderLayer i wprowadzono analogiczne zmiany w TransformerDecoder, możesz złożyć wszystko w całość. Dzięki modularnej i hierarchicznej budowie klas wystarczy zainicjować tylko dwie z nich, aby zbudować transformer enkoder-dekoder: TransformerDecoder i TransformerEncoder.

To ćwiczenie jest częścią kursu

Modele Transformer w PyTorch

Zobacz kurs

Instrukcje do ćwiczenia

  • Uzupełnij przejście forward(), aby obliczyć wyjścia enkodera i dekodera.
  • Zainicjuj transformer i wywołaj go na input_tokens, używając podanych masek src_mask, tgt_mask i cross_mask.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

class Transformer(nn.Module):
    def __init__(self, vocab_size, d_model, num_heads, num_layers, d_ff, max_seq_length, dropout):
        super().__init__()
        self.encoder = TransformerEncoder(vocab_size, d_model, num_layers, num_heads, d_ff, dropout, max_seq_length)
        self.decoder = TransformerDecoder(vocab_size, d_model, num_layers, num_heads, d_ff, dropout, max_seq_length)

    def forward(self, x, src_mask, tgt_mask, cross_mask):
        # Complete the forward pass
        encoder_output = self.encoder(____, ____)
        decoder_output = self.decoder(____, ____, tgt_mask, cross_mask)
        return decoder_output

# Instantiate and call the transformer
transformer = ____(vocab_size, d_model, num_heads, num_layers, d_ff, max_seq_length, dropout)
outputs = ____
print(outputs)
print(outputs.shape)
Edytuj i uruchom kod