import torch
from torch import nn
from d2l import torch as d2l
带掩码的softmax函数,原因是在现实中query不应该能看到后面的key,所以要对后面的key进行掩码操作,即将其值赋值为0。再使用softmax函数进行处理
def masked_softmax(X, valid_lens):
"""通过在最后一个轴上遮蔽元素来执行 softmax 操作"""
if valid_lens is None:
return nn.functional.softmax(X, dim=-1)
else:
shape = X.shape
if valid_lens.dim() == 1:
valid_lens = torch.repeat_interleave(valid_lens, shape[1])
else:
valid_lens = valid_lens.reshape(-1)
X = d2l.sequence_mask(X.reshape(-1, shape[-1]), valid_lens,
value=-1e6)
return nn.functional.softmax(X.reshape(shape), dim=-1)
接下来展示两种注意力分数的计算:第一种是加性注意力:将query和key合并起来进入一个单输出单隐藏层的mlp。
#@save
class AdditiveAttention(nn.Module):
"""加性注意力"""
def __init__(self, key_size, query_size, num_hiddens, dropout, **kwargs):
super(AdditiveAttention, self).__init__(**kwargs)
self.W_k = nn.Linear(key_size, num_hiddens, bias=False)
self.W_q = nn.Linear(query_size, num_hiddens, bias=False)
self.w_v = nn.Linear(num_hiddens, 1, bias=False)
self.dropout = nn.Dropout(dropout)
def forward(self, queries, keys, values, valid_lens):
queries, keys = self.W_q(queries), self.W_k(keys)
# 在维度扩展后,
# queries的形状:(batch_size,查询的个数,1,num_hidden)
# key的形状:(batch_size,1,“键-值”对的个数,num_hiddens)
# 使用广播方式进行求和
features = queries.unsqueeze(2) + keys.unsqueeze(1)
features = torch.tanh(features)
# self.w_v仅有一个输出,因此从形状中移除最后那个维度。
# scores的形状:(batch_size,查询的个数,“键-值”对的个数)
scores = self.w_v(features).squeeze(-1)
self.attention_weights = masked_softmax(scores, valid_lens)
# values的形状:(batch_size,“键-值”对的个数,值的维度)
return torch.bmm(self.dropout(self.attention_weights), values)
queries的维度 =(批量大小 * 时间步大小 * 特征长度)(2,1,20)
keys的维度 =(批量大小 * 时间步大小 * 特征长度) (2,10,2)
这里时间步大小就是一个句子的长度,比如两个句子,第一个句子对第二个句子做Attention,之前看论文transformer的时候,因为任务是机器翻译,query和key的句子是相同的。而这里说的是普遍的,两个句子不同的情况,也就是时间步大小不一定相同。
那么在queries和keys各自经过参数矩阵W的映射之后,其维度变成了(批量大小* 时间步大小 * h)
queries和keys的时间步还是不相等,没法直接相加在做tanh(),所以这里利用了矩阵的广播机制
features = queries.unsqueeze(2) + keys.unsqueeze(1)
queries在第二个维度增加一维,变成(批量大小 * 时间步大小 * 1 * h)
keys在第一个维度增加一维,变成(批量大小 * 1 * 时间步大小 * h)
然后就可以相加了。
经过加和以及tanh(),features的维度 = (批量大小 * q时间步大小 * k时间步大小 * h) (2,1,10,8)
scores = self.w_v(features).squeeze(-1)
(批量大小 * q时间步大小 * k时间步大小 * h)(2,1,10,1)削掉最后一个维度(2,1,10)
第二种是点积和:直接将query和key做内积(比较常用)。代码如下(这里用的是缩放点积):
#@save
class DotProductAttention(nn.Module):
"""缩放点积注意力"""
def __init__(self, dropout, **kwargs):
super(DotProductAttention, self).__init__(**kwargs)
self.dropout = nn.Dropout(dropout)
# queries的形状:(batch_size,查询的个数,d)
# keys的形状:(batch_size,“键-值”对的个数,d)
# values的形状:(batch_size,“键-值”对的个数,值的维度)
# valid_lens的形状:(batch_size,)或者(batch_size,查询的个数)
def forward(self, queries, keys, values, valid_lens=None):
d = queries.shape[-1]
# keys要做转置才能乘
scores = torch.bmm(queries, keys.transpose(1,2)) / math.sqrt(d)
self.attention_weights = masked_softmax(scores, valid_lens)
return torch.bmm(self.dropout(self.attention_weights), values)