Adicionando cross-attention à camada do decodificador
Para integrar as pilhas de codificador e decodificador que você definiu anteriormente em um transformer do tipo codificador-decodificador, você precisa criar um mecanismo de cross-attention para fazer a ponte entre os dois.
A classe MultiHeadAttention que você definiu anteriormente ainda está disponível.
Este exercício faz parte do curso
Modelos Transformer com PyTorch
Instruções do exercício
- Defina um mecanismo de cross-attention (usando
MultiHeadAttention) e uma terceira normalização de camada (usandonn.LayerNorm) no método__init__. - Complete o forward pass para adicionar cross-attention à camada do decodificador.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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