知识卡片
定制层需保持调用签名兼容
父Transformer会把memory_key_padding_mask等参数传给decoder,定制forward需接收并传到相应层。书中mem_key_padding_mask未定义、形参缺失会造成错误;复制旧版方法也需核对新版本norm_first及causal参数。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
>>> class CustomDecoderLayer(nn.TransformerDecoderLayer): ... def forward(self, tgt: Tensor, memory: Tensor, ... tgt_mask: Optional[Tensor] = None, ... memory_mask: Optional[Tensor] = None, ... tgt_key_padding_mask: Optional[Tensor] = None ... ) -> Tensor: ... """Like decode but returns multi-head attention weights.""" ... tgt2 = self.self_attn( ... tgt, tgt, tgt, attn_mask=tgt_mask, ... key_padding_mask=tgt_key_padding_mask)[0] ... tgt = tgt + self.dropout1(tgt2) ... tgt = self.norm1(tgt) ... tgt2, attention_weights = self.multihead_attn( ... tgt,
参考来源
- 位置:《Natural Language Processing in Action, Second Edition》第09章《可堆叠的Transformer》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Natural Language Processing in Action, Second Edition/_epub-src/OEBPS/Text/chapter-9.html)
- 结论依据:摘录中关于定制层需保持调用签名兼容的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:>>> class CustomDecoderLayer(nn.TransformerDecoderLayer): ... def forward(self, tgt: Tensor, memory: Tensor, ... tgt_mask: Optional[Tensor] = None, ... memory_mask: Optional[Tensor] = None, ... tgt_key_padding_mask: Optional[Tensor] = None ... ) -> Tensor: ... """Like decode but returns multi-head attention weights.""" ... tgt2 = self.self_attn( ... tgt, tgt, tgt, attn_mask=tgt_mask, ... key_padding_mask=tgt_key_padding_mask)[0] ... tgt = tgt + self.dropout1(tgt2) ... tgt = self.norm1(tgt) ... tgt2, attention_weights = self.multihead_attn( ... tgt,