Roberta 源码阅读

tokenizer = RobertaTokenizer.from_pretrained('microsoft/codebert-base-mlm')
model = RobertaForMaskedLM.from_pretrained('microsoft/codebert-base-mlm')
input_ids = tokenizer(['Language model is what I need.','I love China'],padding=True,return_tensors='pt')
out = model(**input_ids)

Start: modeling_roberta.py 当中的 RobertaForMaskedLM 

 进入 RobertaModel 当中， 首先第一个模块是RobertEmbedding， 也就是将词进行 embedding，由此进入A：首先第一个模块是 RobertEmbedding， 这里的embedding_out = inputs_embeds + position_embeddings + token_type_embeddings，embedding_out.shpe(batch_size * sequence * hidden_size) 有关参数的解释可见：【NLP】Transformers 源码阅读和实践_fengdu78的博客-CSDN博客, Nice blog.

 B： 接着是： RobertaEncoder

# BertEncoder由12层BertLayer构成
self.layer = nn.ModuleList([BertLayer(config) for _ in range(config.num_hidden_layers)])

 B.1：随后进入  RobertaLayer，并由此进入 RobertaAttention

 B.2:  由  RobertaAttention  中的 self.self() 进入到 RobertaSelfAttention： BertAttention是上述代码中attention实例对应的类，是transformer进行self-attention的核心类。包括了BertSelfAttention和BertSelfOutput成员。

class RobertaAttention(nn.Module):
    def __init__(self, config):
        super().__init__()
        self.self = RobertaSelfAttention(config)
        self.output = RobertaSelfOutput(config)
        self.pruned_heads = set()

    def prune_heads(self, heads):
        if len(heads) == 0:
            return
        heads, index = find_pruneable_heads_and_indices(
            heads, self.self.num_attention_heads, self.self.attention_head_size, self.pruned_heads
        )

        # Prune linear layers
        self.self.query = prune_linear_layer(self.self.query, index)
        self.self.key = prune_linear_layer(self.self.key, index)
        self.self.value = prune_linear_layer(self.self.value, index)
        self.output.dense = prune_linear_layer(self.output.dense, index, dim=1)

        # Update hyper params and store pruned heads
        self.self.num_attention_heads = self.self.num_attention_heads - len(heads)
        self.self.all_head_size = self.self.attention_head_size * self.self.num_attention_heads
        self.pruned_heads = self.pruned_heads.union(heads)

    def forward(
        self,
        hidden_states,
        attention_mask=None,
        head_mask=None,
        encoder_hidden_states=None,
        encoder_attention_mask=None,
        output_attentions=False,
    ):
        # 从这里进入 RobertaSelfAttention
        self_outputs = self.self(
            hidden_states,
            attention_mask,
            head_mask,
            encoder_hidden_states,
            encoder_attention_mask,
            output_attentions,
        )
        attention_output = self.output(self_outputs[0], hidden_states)
        outputs = (attention_output,) + self_outputs[1:]  # add attentions if we output them
        return outputs

B.3: 由 RobertaSelfAttention 处计算 Q,K,V, 并返回output

 C. 得到 encoder 的输出向量，是len==1的tuple，所以 sequence= encoder_outputs[0]  维度为： batch_size * sequence_length * hidden_size(768)

 D. RobertaPooler: 但是此处的 pooled_output = None, 并不会使用RobertaPooler. 应为我这里加载的 model 是CodeBert，special token 是<s> 而非Bert当中的[CLS].  如果将加载的模型换成 RobertaModel 则会有一个 pooled_output的输出。维度为：batch_size * hidden_size.

    model = RobertaModel.from_pretrained('roberta-base')
    tokenizer = RobertaTokenizer.from_pretrained('roberta-base')
    input_ids = tokenizer("The [MASK] on top allows for less material higher up the pyramid.", return_tensors='pt')['input_ids']
    vector1,pooler1 = model(input_ids)

    print('pooler2:', pooler1)  # shape: 1 * hidden_size (因为这里只有一句话)
    print('vector2[:,0:1,:]:', vector1[:, 0:1, :])  # shape: batch_size * sequence_length * hidden_size

 E. 回到 开头的 RobertaForMaskedLM 当中  此时的 sequence_output 的shape 依旧是：batch_size * sequence_length * hidden_size.  然后 将得到的sequence_out 输入到 self.lm_head() 当中。

 F. 将得到的值 输入到 RobertaLMHead() 当中， 在最后输出的时候 x = self.decoder(x) 的shape 为： batch_size * sequence_length  * vocab_size.

 G. 最后一步的输出，竟然是 prediction，是因为我的输入没有<mask> 吗？

tokenizer = RobertaTokenizer.from_pretrained('microsoft/codebert-base-mlm')
model = RobertaForMaskedLM.from_pretrained('microsoft/codebert-base-mlm')
input_ids = tokenizer(['Language model is what I need.','I love China'],padding=True,return_tensors='pt')
out = model(**input_ids)  # 这个是上图当中的prediction

 这是 output 的截图：

最后 贴上一个BERT的网络架构图：