Attention实现
import math
import torch
from torch import nn
from d2l import torch as d2l
带掩码的softmax
有些query是不应该看到后面的key的
#@save
def masked_softmax(X, valid_lens):
"""通过在最后一个轴上掩蔽元素来执行softmax操作"""
# X:3D张量,valid_lens:1D或2D张量
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)
# 最后一轴上被掩蔽的元素使用一个非常大的负值替换,从而其softmax输出为0
X = d2l.sequence_mask(X.reshape(-1, shape[-1]), valid_lens,
value=-1e6)
return nn.functional.softmax(X.reshape(shape), dim=-1)
测试一下
例1
masked_softmax(torch.rand(2, 2, 4), torch.tensor([2, 3]))
输出
tensor([[[0.4426, 0.5574, 0.0000, 0.0000],
[0.4891, 0.5109, 0.0000, 0.0000]],
[[0.2753, 0.4492, 0.2755, 0.0000],
[0.3336, 0.2620, 0.4045, 0.0000]]])
例2
masked_softmax(torch.rand(2, 2, 4), torch.tensor([[1, 3], [2, 4]]))
输出
tensor([[[1.0000, 0.0000, 0.0000, 0.0000],
[0.4386, 0.3116, 0.2498, 0.0000]],
[[0.3476, 0.6524, 0.0000, 0.0000],
[0.2028, 0.3065, 0.2308, 0.2599]]])
加性注意力机制
#@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)
先看例子
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)
长这样
[[[-0.5879, -0.5879, -0.5879, -0.5879, -0.5879, -0.5879, -0.5879,-0.5879, -0.5879, -0.5879]], [[-0.1860, -0.1860, -0.1860, -0.1860, -0.1860, -0.1860, -0.1860,-0.1860, -0.1860, -0.1860]]]
下面例子中有效长度:
valid_lens = torch.tensor([2, 6])
最后权重和value做矩阵乘法
torch.bmm(self.dropout(self.attention_weights), values)
values的大小也是(批量大小 * 时间步大小 * 特征长度) (2,10,4)
(2 * 1 * 10)(2 * 10 * 4)= (2 * 1 * 4)
测试
queries, keys = torch.normal(0, 1, (2, 1, 20)), torch.ones((2, 10, 2))
# values的小批量,两个值矩阵是相同的
values = torch.arange(40, dtype=torch.float32).reshape(1, 10, 4).repeat(
2, 1, 1)
valid_lens = torch.tensor([2, 6])
attention = AdditiveAttention(key_size=2, query_size=20, num_hiddens=8,
dropout=0.1)
attention.eval()
attention(queries, keys, values, valid_lens)
输出
tensor([[[ 2.0000, 3.0000, 4.0000, 5.0000]],
[[10.0000, 11.0000, 12.0000, 13.0000]]], grad_fn=<BmmBackward0>)
查看一下我们的权重
d2l.show_heatmaps(attention.attention_weights.reshape((1, 1, 2, 10)),
xlabel='Keys', ylabel='Queries')
可以看到第一个batch权重全都给了前两个 ,第二个batch给了前6个
点积注意力机制
比较简单
#@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)
测试
queries = torch.normal(0, 1, (2, 1, 2))
attention = DotProductAttention(dropout=0.5)
attention.eval()
attention(queries, keys, values, valid_lens)
输出
tensor([[[ 2.0000, 3.0000, 4.0000, 5.0000]],
[[10.0000, 11.0000, 12.0000, 13.0000]]])
看看权重
d2l.show_heatmaps(attention.attention_weights.reshape((1, 1, 2, 10)),
xlabel='Keys', ylabel='Queries')