ComeçarComece de graça

O corpo do transformer codificador

Seu corpo de transformer somente com codificador está quase pronto! É hora de combinar as classes InputEmbeddings, PositionalEncoding e EncoderLayer que você criou anteriormente em uma classe TransformerEncoder.

Este exercício faz parte do curso

Modelos Transformer com PyTorch

Ver curso

Instruções do exercício

  • Defina a incorporação de tokens, a codificação posicional e as camadas do codificador (use a list comprehension para criar num_layers camadas do codificador).
  • Realize a passagem forward por essas camadas.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

class TransformerEncoder(nn.Module):
    def __init__(self, vocab_size, d_model, num_layers, num_heads, d_ff, dropout, max_seq_length):
        super().__init__()
        # Define the embedding, positional encoding, and encoder layers
        self.embedding = ____(vocab_size, d_model)
        self.positional_encoding = ____(d_model, max_seq_length)
        self.layers = nn.____([____(d_model, num_heads, d_ff, dropout) for _ in range(num_layers)])

    def forward(self, x, src_mask):
        # Perform the forward pass through the layers
        x = self.____(x)
        x = self.____(x)
        for layer in ____:
            x = layer(x, src_mask)
        return x
Editar e executar o código