НачатьНачать бесплатно

Добавление перекрёстного внимания в слой декодера

Чтобы объединить стеки энкодера и декодера, определённые ранее, в трансформер типа «энкодер-декодер», необходимо создать механизм перекрёстного внимания, который будет выступать связующим звеном между ними.

Класс MultiHeadAttention, определённый ранее, по-прежнему доступен.

Это упражнение является частью курса

Трансформерные модели с PyTorch

Посмотреть курс

Инструкции к упражнению

  • Определите механизм перекрёстного внимания (с помощью MultiHeadAttention) и третью нормализацию слоя (с помощью nn.LayerNorm) в методе __init__.
  • Завершите прямой проход, добавив перекрёстное внимание в слой декодера.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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
Редактировать и запускать код