НачатьНачать бесплатно

Построение трансформера с энкодером и декодером

Теперь, когда вы обновили класс DecoderLayer и внесли соответствующие изменения в TransformerDecoder, можно собрать всё воедино. Благодаря модульной и иерархической организации классов достаточно создать всего два из них, чтобы построить трансформер с энкодером и декодером: TransformerDecoder и TransformerEncoder.

Это упражнение является частью курса

Трансформерные модели с PyTorch

Посмотреть курс

Инструкции к упражнению

  • Завершите проход forward(), вычислив выходные данные энкодера и декодера.
  • Создайте трансформер и вызовите его на input_tokens, используя предоставленные маски src_mask, tgt_mask и cross_mask.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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)
Редактировать и запускать код