НачатьНачать бесплатно

Тело трансформера-энкодера

Тело вашего трансформера с архитектурой «только энкодер» почти готово! Пришло время объединить ранее созданные классы InputEmbeddings, PositionalEncoding и EncoderLayer в единый класс TransformerEncoder.

Это упражнение является частью курса

Трансформерные модели с PyTorch

Посмотреть курс

Инструкции к упражнению

  • Определите эмбеддинги токенов, позиционное кодирование и слои энкодера (используйте генератор списка, чтобы создать num_layers слоёв энкодера).
  • Выполните прямой проход через эти слои.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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
Редактировать и запускать код