Pytorch怎么实现Transformer

本篇内容主要讲解“Pytorch怎么实现Transformer”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Pytorch怎么实现Transformer”吧!

一、构造数据

1.1 句子长度

# 关于word embedding，以序列建模为例# 输入句子有两个，第一个长度为2，第二个长度为4class="lazy" data-src_len = torch.tensor([2, 4]).to(torch.int32)# 目标句子有两个。第一个长度为4， 第二个长度为3tgt_len = torch.tensor([4, 3]).to(torch.int32)print(class="lazy" data-src_len)print(tgt_len)

输入句子(class="lazy" data-src_len)有两个，第一个长度为2，第二个长度为4
目标句子(tgt_len)有两个。第一个长度为4， 第二个长度为3

1.2 生成句子

用随机数生成句子，用0填充空白位置，保持所有句子长度一致

class="lazy" data-src_seq = torch.cat([torch.unsqueeze(F.pad(torch.randint(1, max_num_class="lazy" data-src_words, (L, )), (0, max(class="lazy" data-src_len)-L)), 0) for L in class="lazy" data-src_len])tgt_seq = torch.cat([torch.unsqueeze(F.pad(torch.randint(1, max_num_tgt_words, (L, )), (0, max(tgt_len)-L)), 0) for L in tgt_len])print(class="lazy" data-src_seq)print(tgt_seq)

class="lazy" data-src_seq为输入的两个句子，tgt_seq为输出的两个句子。
为什么句子是数字？在做中英文翻译时，每个中文或英文对应的也是一个数字，只有这样才便于处理。

1.3 生成字典

在该字典中，总共有8个字(行)，每个字对应8维向量(做了简化了的)。注意在实际应用中，应当有几十万个字，每个字可能有512个维度。

# 构造word embeddingclass="lazy" data-src_embedding_table = nn.Embedding(9, model_dim)tgt_embedding_table = nn.Embedding(9, model_dim)# 输入单词的字典print(class="lazy" data-src_embedding_table)# 目标单词的字典print(tgt_embedding_table)

字典中，需要留一个维度给class token，故是9行。

1.4 得到向量化的句子

通过字典取出1.2中得到的句子

# 得到向量化的句子class="lazy" data-src_embedding = class="lazy" data-src_embedding_table(class="lazy" data-src_seq)tgt_embedding = tgt_embedding_table(tgt_seq)print(class="lazy" data-src_embedding)print(tgt_embedding)

该阶段总程序

import torch# 句子长度class="lazy" data-src_len = torch.tensor([2, 4]).to(torch.int32)tgt_len = torch.tensor([4, 3]).to(torch.int32)# 构造句子，用0填充空白处class="lazy" data-src_seq = torch.cat([torch.unsqueeze(F.pad(torch.randint(1, 8, (L, )), (0, max(class="lazy" data-src_len)-L)), 0) for L in class="lazy" data-src_len])tgt_seq = torch.cat([torch.unsqueeze(F.pad(torch.randint(1, 8, (L, )), (0, max(tgt_len)-L)), 0) for L in tgt_len])# 构造字典class="lazy" data-src_embedding_table = nn.Embedding(9, 8)tgt_embedding_table = nn.Embedding(9, 8)# 得到向量化的句子class="lazy" data-src_embedding = class="lazy" data-src_embedding_table(class="lazy" data-src_seq)tgt_embedding = tgt_embedding_table(tgt_seq)print(class="lazy" data-src_embedding)print(tgt_embedding)

二、位置编码

位置编码是transformer的一个重点，通过加入transformer位置编码，代替了传统RNN的时序信息，增强了模型的并发度。位置编码的公式如下：(其中pos代表行，i代表列)

2.1 计算括号内的值

# 得到分子pos的值pos_mat = torch.arange(4).reshape((-1, 1))# 得到分母值i_mat = torch.pow(10000, torch.arange(0, 8, 2).reshape((1, -1))/8)print(pos_mat)print(i_mat)

2.2 得到位置编码

# 初始化位置编码矩阵pe_embedding_table = torch.zeros(4, 8)# 得到偶数行位置编码pe_embedding_table[:, 0::2] =torch.sin(pos_mat / i_mat)# 得到奇数行位置编码pe_embedding_table[:, 1::2] =torch.cos(pos_mat / i_mat)pe_embedding = nn.Embedding(4, 8)# 设置位置编码不可更新参数pe_embedding.weight = nn.Parameter(pe_embedding_table, requires_grad=False)print(pe_embedding.weight)

三、多头注意力

3.1 self mask

有些位置是空白用0填充的，训练时不希望被这些位置所影响，那么就需要用到self mask。self mask的原理是令这些位置的值为无穷小，经过softmax后，这些值会变为0，不会再影响结果。

3.1.1 得到有效位置矩阵

# 得到有效位置矩阵vaild_encoder_pos = torch.unsqueeze(torch.cat([torch.unsqueeze(F.pad(torch.ones(L), (0, max(class="lazy" data-src_len) - L)), 0)for L in class="lazy" data-src_len]), 2)valid_encoder_pos_matrix = torch.bmm(vaild_encoder_pos, vaild_encoder_pos.transpose(1, 2))print(valid_encoder_pos_matrix)

3.1.2 得到无效位置矩阵

invalid_encoder_pos_matrix = 1-valid_encoder_pos_matrixmask_encoder_self_attention = invalid_encoder_pos_matrix.to(torch.bool)print(mask_encoder_self_attention)

True代表需要对该位置mask

3.1.3 得到mask矩阵
用极小数填充需要被mask的位置

# 初始化mask矩阵score = torch.randn(2, max(class="lazy" data-src_len), max(class="lazy" data-src_len))# 用极小数填充mask_score = score.masked_fill(mask_encoder_self_attention, -1e9)print(mask_score)

算其softmat

mask_score_softmax = F.softmax(mask_score)print(mask_score_softmax)

可以看到，已经达到预期效果

到此，相信大家对“Pytorch怎么实现Transformer”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！