第Pytorch從0實現(xiàn)Transformer的實踐目錄摘要一、構造數(shù)據(jù)1.1句子長度1.2生成句子1.3生成字典1.4得到向量化的句子二、位置編碼2.1計算括號內(nèi)的值2.2得到位置編碼三、多頭注意力3.1selfmask

摘要

Withthecontinuousdevelopmentoftimeseriesprediction,Transformer-likemodelshavegraduallyreplacedtraditionalmodelsinthefieldsofCVandNLPbyvirtueoftheirpowerfuladvantages.Amongthem,theInformerisfarsuperiortothetraditionalRNNmodelinlong-termprediction,andtheSwinTransformerissignificantlystrongerthanthetraditionalCNNmodelinimagerecognition.AdeepgraspofTransformerhasbecomeaninevitablerequirementinthefieldofartificialintelligence.ThisarticlewillusethePytorchframeworktoimplementthepositionencoding,multi-headattentionmechanism,self-mask,causalmaskandotherfunctionsinTransformer,andbuildaTransformernetworkfrom0.

隨著時序預測的不斷發(fā)展，Transformer類模型憑借強大的優(yōu)勢，在CV、NLP領域逐漸取代傳統(tǒng)模型。其中Informer在長時序預測上遠超傳統(tǒng)的RNN模型，SwinTransformer在圖像識別上明顯強于傳統(tǒng)的CNN模型。深層次掌握Transformer已經(jīng)成為從事人工智能領域的必然要求。本文將用Pytorch框架，實現(xiàn)Transformer中的位置編碼、多頭注意力機制、自掩碼、因果掩碼等功能，從0搭建一個Transformer網(wǎng)絡。

一、構造數(shù)據(jù)

1.1句子長度

#關于wordembedding，以序列建模為例

#輸入句子有兩個，第一個長度為2，第二個長度為4

src_len=torch.tensor([2,4]).to(32)

#目標句子有兩個。第一個長度為4，第二個長度為3

tgt_len=torch.tensor([4,3]).to(32)

print(src_len)

print(tgt_len)

輸入句子(src_len)有兩個，第一個長度為2，第二個長度為4

目標句子(tgt_len)有兩個。第一個長度為4，第二個長度為3

1.2生成句子

用隨機數(shù)生成句子，用0填充空白位置，保持所有句子長度一致

src_seq=torch.cat([torch.unsqueeze(F.pad(torch.randint(1,max_num_src_words,(L,)),(0,max(src_len)-L)),0)forLinsrc_len])

tgt_seq=torch.cat([torch.unsqueeze(F.pad(torch.randint(1,max_num_tgt_words,(L,)),(0,max(tgt_len)-L)),0)forLintgt_len])

print(src_seq)

print(tgt_seq)

src_seq為輸入的兩個句子，tgt_seq為輸出的兩個句子。

為什么句子是數(shù)字？在做中英文翻譯時，每個中文或英文對應的也是一個數(shù)字，只有這樣才便于處理。

1.3生成字典

在該字典中，總共有8個字(行)，每個字對應8維向量(做了簡化了的)。注意在實際應用中，應當有幾十萬個字，每個字可能有512個維度。

#構造wordembedding

src_embedding_table=nn.Embedding(9,model_dim)

tgt_embedding_table=nn.Embedding(9,model_dim)

#輸入單詞的字典

print(src_embedding_table)

#目標單詞的字典

print(tgt_embedding_table)

字典中，需要留一個維度給classtoken，故是9行。

1.4得到向量化的句子

通過字典取出1.2中得到的句子

#得到向量化的句子

src_embedding=src_embedding_table(src_seq)

tgt_embedding=tgt_embedding_table(tgt_seq)

print(src_embedding)

print(tgt_embedding)

該階段總程序

importtorch

#句子長度

src_len=torch.tensor([2,4]).to(32)

tgt_len=torch.tensor([4,3]).to(32)

#構造句子，用0填充空白處

src_seq=torch.cat([torch.unsqueeze(F.pad(torch.randint(1,8,(L,)),(0,max(src_len)-L)),0)forLinsrc_len])

tgt_seq=torch.cat([torch.unsqueeze(F.pad(torch.randint(1,8,(L,)),(0,max(tgt_len)-L)),0)forLintgt_len])

#構造字典

src_embedding_table=nn.Embedding(9,8)

tgt_embedding_table=nn.Embedding(9,8)

#得到向量化的句子

src_embedding=src_embedding_table(src_seq)

tgt_embedding=tgt_embedding_table(tgt_seq)

print(src_embedding)

print(tgt_embedding)

二、位置編碼

位置編碼是transformer的一個重點，通過加入transformer位置編碼，代替了傳統(tǒng)RNN的時序信息，增強了模型的并發(fā)度。位置編碼的公式如下：(其中pos代表行，i代表列)

2.1計算括號內(nèi)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得到位置編碼

#初始化位置編碼矩陣

pe_embedding_table=torch.zeros(4,8)

#得到偶數(shù)行位置編碼

pe_embedding_table[:,0::2]=torch.sin(pos_mat/i_mat)

#得到奇數(shù)行位置編碼

pe_embedding_table[:,1::2]=torch.cos(pos_mat/i_mat)

pe_embedding=nn.Embedding(4,8)

#設置位置編碼不可更新參數(shù)

pe_embedding.weight=nn.Parameter(pe_embedding_table,requires_grad=False)

print(pe_embedding.weight)

三、多頭注意力

3.1selfmask

有些位置是空白用0填充的，訓練時不希望被這些位置所影響，那么就需要用到selfmask。selfmask的原理是令這些位置的值為無窮小，經(jīng)過softmax后，這些值會變?yōu)?，不會再影響結果。

3.1.1得到有效位置矩陣

#得到有效位置矩陣

vaild_encoder_pos=torch.unsqueeze(torch.cat([torch.unsqueeze(F.pad(torch.ones(L),(0,max(src_len)-L)),0)forLinsrc_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得到無效位置矩陣

invalid_encoder_pos_matrix=1-valid_encoder_pos_matrix

mask_encoder_self_attention=invalid_encoder_pos_matrix.to(torch.bool)

print(mask_encoder_self_attention)

True代表需要對該位置mask

3.1.3得到mask矩陣

用極小數(shù)填充需要被mask的位置

#初始化mask矩陣

score=torch.randn(2,max(