Transformer源码解读
刚开始学习深度学习几个月,对于很多近年来提到的模型都不是很清楚,读到Transformer时,注意力是什么都不知道。后面读了一些其他相关的论文逐渐开始懂一些,但是不看到代码,总是有些地方不明白,所以找到了PyTorch实现的Transformer代码进行分析,同时也记录下来,希望能够帮助到大家。
本文是使用notebook直接转的md文件,所以将下面的代码拷贝下来,是直接可以用的(前提是把库都安装好)。
import numpy as np
import torch
import torch.nn as nn
import torch.nn.functional as F
import math, copy, time
from torch.autograd import Variable
import matplotlib.pyplot as plt
import seaborn
seaborn.set_context(context="talk")
%matplotlib inline
模型结构
模型结构就是这样的,首先将输入进行Embedding编码,添加进位置信息之后进入编码器。编码器是由N层组成的,每层包括两个子层(图左部分),然后将输出Embedding向量和编码器的输出同时输出解码器,解码器也是由N层组成,每一层包括三个子层(图右面部分),最后将输出经过输出层(Linear+SoftMx)得到输出。
class EncoderDecoder(nn.Module):
"""
A standard Encoder-Decoder architecture. Base for this and many
other models.
"""
def __init__(self, encoder, decoder, src_embed, tgt_embed, generator):
super(EncoderDecoder, self).__init__()
self.encoder = encoder
self.decoder = decoder
self.src_embed = src_embed
self.tgt_embed = tgt_embed
self.generator = generator
def forward(self, src, tgt, src_mask, tgt_mask):
"Take in and process masked src and target sequences."
return self.decode(self.encode(src, src_mask), src_mask,
tgt, tgt_mask)
def encode(self, src, src_mask):
return self.encoder(self.src_embed(src), src_mask)
def decode(self, memory, src_mask, tgt, tgt_mask):
return self.decoder(self.tgt_embed(tgt), memory, src_mask, tgt_mask)
这是一个标准的编码器解码器结构,将模型编码后在进行解码。也就是将模型的编码器解码器部分进行封装,后面会对其中的每层进行逐步实现。
class Generator(nn.Module):
"Define standard linear + softmax generation step."
def __init__(self, d_model, vocab):
super(Generator, self).__init__()
self.proj = nn.Linear(d_model, vocab)
def forward(self, x):
return F.log_softmax(self.proj(x), dim=-1)
这是模型最后的线性输出层,主要就是线性映射+softmax。
编码器和解码器栈
编码器
# 编码器子层
class EncoderLayer(nn.Module):
"Encoder is made up of self-attn and feed forward (defined below)"
def __init__(self, size, self_attn, feed_forward, dropout):
super(EncoderLayer, self).__init__()
self.self_attn = self_attn
self.feed_forward = feed_forward
self.sublayer = clones(SublayerConnection(size, dropout), 2)
self.size = size
def forward(self, x, mask):
"Follow Figure 1 (left) for connections."
x = self.sublayer[0](x, lambda x: self.self_attn(x, x, x, mask))
return self.sublayer[1](x, self.feed_forward)
在原文图中可以看出每层编码器包含两个部分,注意力子层和前馈网络子层。每个子层结构都是相同的,在子层后进行标准化,以及残差连接。所以编码器子层复制了两个一样的连接子层 self.sublayer = clones(SublayerConnection(size, dropout), 2)
,其中第一个子层进行多头自注意力机制计算self.self_attn(x, x, x, mask)
,然后第二个子层实现前馈网络self.feed_forward
(分别对应forward里面传入的第二个部分)。下面我们来对编码器涉及到的一些子层进行讲解。
def clones(module, N):
"Produce N identical layers."
return nn.ModuleList([copy.deepcopy(module) for _ in range(N)])
拷贝函数主要是实现模型的深拷贝,将其拷贝N次。在上面用到的地方在复制两个一样的连接子层。因为编码器是由多个编码器子层构成的,所以在整体编码器中,还会对编码器子层进行深拷贝。
class LayerNorm(nn.Module):
"Construct a layernorm module (See citation for details)."
def __init__(self, features, eps=1e-6):
super(LayerNorm, self).__init__()
self.a_2 = nn.Parameter(torch.ones(features))
self.b_2 = nn.Parameter(torch.zeros(features))
self.eps = eps
def forward(self, x):
mean = x.mean(-1, keepdim=True)
std = x.std(-1, keepdim=True)
return self.a_2 * (x - mean) / (std + self.eps) + self.b_2
标准化部分在传统标准化的基础上加入了系数a和偏置b,eps是防止标准差太小。注意到a和b都是作为模型参数参与训练的,这样可以将模型训练为标准差为a均值为b。
class SublayerConnection(nn.Module):
"""
A residual connection followed by a layer norm.
Note for code simplicity the norm is first as opposed to last.
"""
def __init__(self, size, dropout):
super(SublayerConnection, self).__init__()
self.norm = LayerNorm(size)
self.dropout = nn.Dropout(dropout)
def forward(self, x, sublayer):
"Apply residual connection to any sublayer with the same size."
return x + self.dropout(sublayer(self.norm(x)))
连接子层主要就是对子层进行残差连接。如果对应下面的多头注意力子层的话,传入的参数sublayer
就是多头注意力。这也在开始的编码器子层整体部分提到了。这里需要注意的是原文图中是在注意力层后面加入的norm层,但是这里却是首先进行norm,再传入其他子层。我认为这里可能存在一些问题,因为对于每一个子层来说,最后残差连接的x和传入注意力或前馈层的norm(x)就不相等了。原文中提到了,模型所有层都使用了0.1的dropout,所以下面每层都会有dropout,就不做解释了。
到此,编码器子层的总体结构就有了,接下来就是将编码器子层进行堆叠,构成完成的编码器。
# 编码器实现
class Encoder(nn.Module):
"Core encoder is a stack of N layers"
def __init__(self, layer, N):
super(Encoder, self).__init__()
self.layers = clones(layer, N)
self.norm = LayerNorm(layer.size