python-pytorch编写transformer模型实现翻译0.5.00-写模型

前言

在网上看了一篇文章，借用了文章的大部分代码，并对代码的预测进行修改使得可以正确的预测了，具体链接找了半天找不到
代码

1. import numpy as np # 导入 numpy 库
2. import torch # 导入 torch 库
3. import torch.nn as nn # 导入 torch.nn 库
4. d_k = 64 # K(=Q) 维度
5. d_v = 64 # V 维度
6. # 定义缩放点积注意力类
7. class ScaledDotProductAttention(nn.Module):
8.     def __init__(self):
9.         super(ScaledDotProductAttention, self).__init__()        
10.     def forward(self, Q, K, V, attn_mask):
11.         #------------------------- 维度信息 --------------------------------        
12.         # Q K V [batch_size, n_heads, len_q/k/v, dim_q=k/v] (dim_q=dim_k)
13.         # attn_mask [batch_size, n_heads, len_q, len_k]
14.         #----------------------------------------------------------------
15.         # 计算注意力分数（原始权重）[batch_size，n_heads，len_q，len_k]
16.         scores = torch.matmul(Q, K.transpose(-1, -2)) / np.sqrt(d_k)
17.         #------------------------- 维度信息 --------------------------------        
18.         # scores [batch_size, n_heads, len_q, len_k]
19.         #-----------------------------------------------------------------        
20.         # 使用注意力掩码，将 attn_mask 中值为 1 的位置的权重替换为极小值
21.         #------------------------- 维度信息 --------------------------------
22.         # attn_mask [batch_size, n_heads, len_q, len_k], 形状和 scores 相同
23.         #-----------------------------------------------------------------   
24.         scores.masked_fill_(attn_mask, -1e9)
25.         # 对注意力分数进行 softmax 归一化
26.         weights = nn.Softmax(dim=-1)(scores)
27.         #------------------------- 维度信息 --------------------------------
28.         # weights [batch_size, n_heads, len_q, len_k], 形状和 scores 相同
29.         #-----------------------------------------------------------------         
30.         # 计算上下文向量（也就是注意力的输出）, 是上下文信息的紧凑表示
31.         context = torch.matmul(weights, V)
32.         #------------------------- 维度信息 --------------------------------
33.         # context [batch_size, n_heads, len_q, dim_v]
34.         #-----------------------------------------------------------------   
35.         return context, weights # 返回上下文向量和注意力分数
37. # 定义多头自注意力类
38. d_embedding = 512  # Embedding 的维度
39. n_heads = 8  # Multi-Head Attention 中头的个数
40. batch_size = 6 # 每一批的数据大小
41. class MultiHeadAttention(nn.Module):
42.     def __init__(self):
43.         super(MultiHeadAttention, self).__init__()
44.         self.W_Q = nn.Linear(d_embedding, d_k * n_heads) # Q的线性变换层
45.         self.W_K = nn.Linear(d_embedding, d_k * n_heads) # K的线性变换层
46.         self.W_V = nn.Linear(d_embedding, d_v * n_heads) # V的线性变换层
47.         self.linear = nn.Linear(n_heads * d_v, d_embedding)
48.         self.layer_norm = nn.LayerNorm(d_embedding)
49.     def forward(self, Q, K, V, attn_mask):
50.         #------------------------- 维度信息 --------------------------------
51.         # Q K V [batch_size, len_q/k/v, embedding_dim]
52.         #-----------------------------------------------------------------        
53.         residual, batch_size = Q, Q.size(0) # 保留残差连接
54.         # 将输入进行线性变换和重塑，以便后续处理
55.         q_s = self.W_Q(Q).view(batch_size, -1, n_heads, d_k).transpose(1,2)        
56.         k_s = self.W_K(K).view(batch_size, -1, n_heads, d_k).transpose(1,2)
57.         v_s = self.W_V(V).view(batch_size, -1, n_heads, d_v).transpose(1,2)
58.         #------------------------- 维度信息 --------------------------------
59.         # q_s k_s v_s: [batch_size, n_heads, len_q/k/v, d_q=k/v]
60.         #-----------------------------------------------------------------
61.         # 将注意力掩码复制到多头 attn_mask: [batch_size, n_heads, len_q, len_k]
62.         attn_mask = attn_mask.unsqueeze(1).repeat(1, n_heads, 1, 1)
63.         #------------------------- 维度信息 --------------------------------
64.         # attn_mask [batch_size, n_heads, len_q, len_k]
65.         #-----------------------------------------------------------------
66.         # 使用缩放点积注意力计算上下文和注意力权重
67.         context, weights = ScaledDotProductAttention()(q_s, k_s, v_s, attn_mask)
68.         #------------------------- 维度信息 --------------------------------
69.         # context [batch_size, n_heads, len_q, dim_v]
70.         # weights [batch_size, n_heads, len_q, len_k]
71.         #-----------------------------------------------------------------
72.         # 通过调整维度将多个头的上下文向量连接在一起
73.         context = context.transpose(1, 2).contiguous().view(batch_size, -1, n_heads * d_v)
74.         #------------------------- 维度信息 --------------------------------
75.         # context [batch_size, len_q, n_heads * dim_v]
76.         #-----------------------------------------------------------------        
77.         # 用一个线性层把连接后的多头自注意力结果转换，原始地嵌入维度
78.         output = self.linear(context)
79.         #------------------------- 维度信息 --------------------------------
80.         # output [batch_size, len_q, embedding_dim]
81.         #-----------------------------------------------------------------        
82.         # 与输入 (Q) 进行残差链接，并进行层归一化后输出
83.         output = self.layer_norm(output + residual)
84.         #------------------------- 维度信息 --------------------------------
85.         # output [batch_size, len_q, embedding_dim]
86.         #-----------------------------------------------------------------        
87.         return output, weights # 返回层归一化的输出和注意力权重
89. # 定义逐位置前馈网络类
90. class PoswiseFeedForwardNet(nn.Module):
91.     def __init__(self, d_ff=2048):
92.         super(PoswiseFeedForwardNet, self).__init__()
93.         # 定义一维卷积层 1，用于将输入映射到更高维度
94.         self.conv1 = nn.Conv1d(in_channels=d_embedding, out_channels=d_ff, kernel_size=1)
95.         # 定义一维卷积层 2，用于将输入映射回原始维度
96.         self.conv2 = nn.Conv1d(in_channels=d_ff, out_channels=d_embedding, kernel_size=1)
97.         # 定义层归一化
98.         self.layer_norm = nn.LayerNorm(d_embedding)
99.     def forward(self, inputs):
100.         #------------------------- 维度信息 --------------------------------
101.         # inputs [batch_size, len_q, embedding_dim]
102.         #----------------------------------------------------------------                       
103.         residual = inputs  # 保留残差连接
104.         # 在卷积层 1 后使用 ReLU 激活函数
105.         output = nn.ReLU()(self.conv1(inputs.transpose(1, 2)))
106.         #------------------------- 维度信息 --------------------------------
107.         # output [batch_size, d_ff, len_q]
108.         #----------------------------------------------------------------
109.         # 使用卷积层 2 进行降维
110.         output = self.conv2(output).transpose(1, 2)
111.         #------------------------- 维度信息 --------------------------------
112.         # output [batch_size, len_q, embedding_dim]
113.         #----------------------------------------------------------------
114.         # 与输入进行残差链接，并进行层归一化
115.         output = self.layer_norm(output + residual)
116.         #------------------------- 维度信息 --------------------------------
117.         # output [batch_size, len_q, embedding_dim]
118.         #----------------------------------------------------------------
119.         return output # 返回加入残差连接后层归一化的结果
121. # 生成正弦位置编码表的函数，用于在 Transformer 中引入位置信息
122. def get_sin_enc_table(n_position, embedding_dim):
123.     #------------------------- 维度信息 --------------------------------
124.     # n_position: 输入序列的最大长度
125.     # embedding_dim: 词嵌入向量的维度
126.     #-----------------------------------------------------------------   
127.     # 根据位置和维度信息，初始化正弦位置编码表
128.     sinusoid_table = np.zeros((n_position, embedding_dim))   
129.     # 遍历所有位置和维度，计算角度值
130.     for pos_i in range(n_position):
131.         for hid_j in range(embedding_dim):
132.             angle = pos_i / np.power(10000, 2 * (hid_j // 2) / embedding_dim)
133.             sinusoid_table[pos_i, hid_j] = angle   
134.     # 计算正弦和余弦值
135.     sinusoid_table[:, 0::2] = np.sin(sinusoid_table[:, 0::2])  # dim 2i 偶数维
136.     sinusoid_table[:, 1::2] = np.cos(sinusoid_table[:, 1::2])  # dim 2i+1 奇数维   
137.     #------------------------- 维度信息 --------------------------------
138.     # sinusoid_table 的维度是 [n_position, embedding_dim]
139.     #----------------------------------------------------------------   
140.     return torch.FloatTensor(sinusoid_table)  # 返回正弦位置编码表
142. # 定义填充注意力掩码函数
143. def get_attn_pad_mask(seq_q, seq_k):
144.     #------------------------- 维度信息 --------------------------------
145.     # seq_q 的维度是 [batch_size, len_q]
146.     # seq_k 的维度是 [batch_size, len_k]
147.     #-----------------------------------------------------------------
148.     batch_size, len_q = seq_q.size()
149.     batch_size, len_k = seq_k.size()
150.     # 生成布尔类型张量
151.     pad_attn_mask = seq_k.data.eq(0).unsqueeze(1)  # <PAD>token 的编码值为 0
152.     #------------------------- 维度信息 --------------------------------
153.     # pad_attn_mask 的维度是 [batch_size，1，len_k]
154.     #-----------------------------------------------------------------
155.     # 变形为与注意力分数相同形状的张量
156.     pad_attn_mask = pad_attn_mask.expand(batch_size, len_q, len_k)
157.     #------------------------- 维度信息 --------------------------------
158.     # pad_attn_mask 的维度是 [batch_size，len_q，len_k]
159.     #-----------------------------------------------------------------
160.     return pad_attn_mask
162. # 定义编码器层类
163. class EncoderLayer(nn.Module):
164.     def __init__(self):
165.         super(EncoderLayer, self).__init__()        
166.         self.enc_self_attn = MultiHeadAttention() # 多头自注意力层        
167.         self.pos_ffn = PoswiseFeedForwardNet() # 位置前馈神经网络层
168.     def forward(self, enc_inputs, enc_self_attn_mask):
169.         #------------------------- 维度信息 --------------------------------
170.         # enc_inputs 的维度是 [batch_size, seq_len, embedding_dim]
171.         # enc_self_attn_mask 的维度是 [batch_size, seq_len, seq_len]
172.         #-----------------------------------------------------------------
173.         # 将相同的 Q，K，V 输入多头自注意力层 , 返回的 attn_weights 增加了头数  
174.         enc_outputs, attn_weights = self.enc_self_attn(enc_inputs, enc_inputs,
175.                                                enc_inputs, enc_self_attn_mask)
176.         #------------------------- 维度信息 --------------------------------
177.         # enc_outputs 的维度是 [batch_size, seq_len, embedding_dim]
178.         # attn_weights 的维度是 [batch_size, n_heads, seq_len, seq_len]      
179.         # 将多头自注意力 outputs 输入位置前馈神经网络层
180.         enc_outputs = self.pos_ffn(enc_outputs) # 维度与 enc_inputs 相同
181.         #------------------------- 维度信息 --------------------------------
182.         # enc_outputs 的维度是 [batch_size, seq_len, embedding_dim]
183.         #-----------------------------------------------------------------
184.         return enc_outputs, attn_weights # 返回编码器输出和每层编码器注意力权重
186. # 定义编码器类
187. n_layers = 6  # 设置 Encoder 的层数
188. class Encoder(nn.Module):
189.     def __init__(self, corpus):
190.         super(Encoder, self).__init__()        
191.         self.src_emb = nn.Embedding(len(corpus.src_vocab), d_embedding) # 词嵌入层
192.         self.pos_emb = nn.Embedding.from_pretrained( \
193.           get_sin_enc_table(corpus.src_len+1, d_embedding), freeze=True) # 位置嵌入层
194.         self.layers = nn.ModuleList(EncoderLayer() for _ in range(n_layers))# 编码器层数
195.     def forward(self, enc_inputs):  
196.         #------------------------- 维度信息 --------------------------------
197.         # enc_inputs 的维度是 [batch_size, source_len]
198.         #-----------------------------------------------------------------
199.         # 创建一个从 1 到 source_len 的位置索引序列
200.         pos_indices = torch.arange(1, enc_inputs.size(1) + 1).unsqueeze(0).to(enc_inputs)
201.         #------------------------- 维度信息 --------------------------------
202.         # pos_indices 的维度是 [1, source_len]
203.         #-----------------------------------------------------------------            
204.         # 对输入进行词嵌入和位置嵌入相加 [batch_size, source_len，embedding_dim]
205.         enc_outputs = self.src_emb(enc_inputs) + self.pos_emb(pos_indices)
206.         #------------------------- 维度信息 --------------------------------
207.         # enc_outputs 的维度是 [batch_size, seq_len, embedding_dim]
208.         #-----------------------------------------------------------------
209.         # 生成自注意力掩码
210.         enc_self_attn_mask = get_attn_pad_mask(enc_inputs, enc_inputs)
211.         #------------------------- 维度信息 --------------------------------
212.         # enc_self_attn_mask 的维度是 [batch_size, len_q, len_k]        
213.         #-----------------------------------------------------------------         
214.         enc_self_attn_weights = [] # 初始化 enc_self_attn_weights
215.         # 通过编码器层 [batch_size, seq_len, embedding_dim]
216.         for layer in self.layers:
217.             enc_outputs, enc_self_attn_weight = layer(enc_outputs, enc_self_attn_mask)
218.             enc_self_attn_weights.append(enc_self_attn_weight)
219.         #------------------------- 维度信息 --------------------------------
220.         # enc_outputs 的维度是 [batch_size, seq_len, embedding_dim] 维度与 enc_inputs 相同
221.         # enc_self_attn_weights 是一个列表，每个元素的维度是 [batch_size, n_heads, seq_len, seq_len]         
222.         #-----------------------------------------------------------------
223.         return enc_outputs, enc_self_attn_weights # 返回编码器输出和编码器注意力权重
226. # 生成后续注意力掩码的函数，用于在多头自注意力计算中忽略未来信息
227. def get_attn_subsequent_mask(seq):
228.     #------------------------- 维度信息 --------------------------------
229.     # seq 的维度是 [batch_size, seq_len(Q)=seq_len(K)]
230.     #-----------------------------------------------------------------
231.     # 获取输入序列的形状
232.     attn_shape = [seq.size(0), seq.size(1), seq.size(1)]  
233.     #------------------------- 维度信息 --------------------------------
234.     # attn_shape 是一个一维张量 [batch_size, seq_len(Q), seq_len(K)]
235.     #-----------------------------------------------------------------
236.     # 使用 numpy 创建一个上三角矩阵（triu = triangle upper）
237.     subsequent_mask = np.triu(np.ones(attn_shape), k=1)
238.     #------------------------- 维度信息 --------------------------------
239.     # subsequent_mask 的维度是 [batch_size, seq_len(Q), seq_len(K)]
240.     #-----------------------------------------------------------------
241.     # 将 numpy 数组转换为 PyTorch 张量，并将数据类型设置为 byte（布尔值）
242.     subsequent_mask = torch.from_numpy(subsequent_mask).byte()
243.     #------------------------- 维度信息 --------------------------------
244.     # 返回的 subsequent_mask 的维度是 [batch_size, seq_len(Q), seq_len(K)]
245.     #-----------------------------------------------------------------
246.     return subsequent_mask # 返回后续位置的注意力掩码
248. # 定义解码器层类
249. class DecoderLayer(nn.Module):
250.     def __init__(self):
251.         super(DecoderLayer, self).__init__()        
252.         self.dec_self_attn = MultiHeadAttention() # 多头自注意力层      
253.         self.dec_enc_attn = MultiHeadAttention()  # 多头自注意力层，连接编码器和解码器        
254.         self.pos_ffn = PoswiseFeedForwardNet() # 位置前馈神经网络层
255.     def forward(self, dec_inputs, enc_outputs, dec_self_attn_mask, dec_enc_attn_mask):
256.         #------------------------- 维度信息 --------------------------------
257.         # dec_inputs 的维度是 [batch_size, target_len, embedding_dim]
258.         # enc_outputs 的维度是 [batch_size, source_len, embedding_dim]
259.         # dec_self_attn_mask 的维度是 [batch_size, target_len, target_len]
260.         # dec_enc_attn_mask 的维度是 [batch_size, target_len, source_len]
261.         #-----------------------------------------------------------------      
262.         # 将相同的 Q，K，V 输入多头自注意力层
263.         dec_outputs, dec_self_attn = self.dec_self_attn(dec_inputs, dec_inputs,
264.                                                         dec_inputs, dec_self_attn_mask)
265.         #------------------------- 维度信息 --------------------------------
266.         # dec_outputs 的维度是 [batch_size, target_len, embedding_dim]
267.         # dec_self_attn 的维度是 [batch_size, n_heads, target_len, target_len]
268.         #-----------------------------------------------------------------        
269.         # 将解码器输出和编码器输出输入多头自注意力层
270.         dec_outputs, dec_enc_attn = self.dec_enc_attn(dec_outputs, enc_outputs,
271.                                                       enc_outputs, dec_enc_attn_mask)
272.         #------------------------- 维度信息 --------------------------------
273.         # dec_outputs 的维度是 [batch_size, target_len, embedding_dim]
274.         # dec_enc_attn 的维度是 [batch_size, n_heads, target_len, source_len]
275.         #-----------------------------------------------------------------         
276.         # 输入位置前馈神经网络层
277.         dec_outputs = self.pos_ffn(dec_outputs)
278.         #------------------------- 维度信息 --------------------------------
279.         # dec_outputs 的维度是 [batch_size, target_len, embedding_dim]
280.         # dec_self_attn 的维度是 [batch_size, n_heads, target_len, target_len]
281.         # dec_enc_attn 的维度是 [batch_size, n_heads, target_len, source_len]   
282.         #-----------------------------------------------------------------
283.         # 返回解码器层输出，每层的自注意力和解 - 编码器注意力权重
284.         return dec_outputs, dec_self_attn, dec_enc_attn
286. #  定义解码器类
287. n_layers = 6  # 设置 Decoder 的层数
288. class Decoder(nn.Module):
289.     def __init__(self, corpus):
290.         super(Decoder, self).__init__()
291.         self.tgt_emb = nn.Embedding(len(corpus.tgt_vocab), d_embedding) # 词嵌入层
292.         self.pos_emb = nn.Embedding.from_pretrained( \
293.            get_sin_enc_table(corpus.tgt_len+1, d_embedding), freeze=True) # 位置嵌入层        
294.         self.layers = nn.ModuleList([DecoderLayer() for _ in range(n_layers)]) # 叠加多层
295.     def forward(self, dec_inputs, enc_inputs, enc_outputs):
296.         #------------------------- 维度信息 --------------------------------
297.         # dec_inputs 的维度是 [batch_size, target_len]
298.         # enc_inputs 的维度是 [batch_size, source_len]
299.         # enc_outputs 的维度是 [batch_size, source_len, embedding_dim]
300.         #-----------------------------------------------------------------   
301.         # 创建一个从 1 到 source_len 的位置索引序列
302.         pos_indices = torch.arange(1, dec_inputs.size(1) + 1).unsqueeze(0).to(dec_inputs)
303.         #------------------------- 维度信息 --------------------------------
304.         # pos_indices 的维度是 [1, target_len]
305.         #-----------------------------------------------------------------              
306.         # 对输入进行词嵌入和位置嵌入相加
307.         dec_outputs = self.tgt_emb(dec_inputs) + self.pos_emb(pos_indices)
308.         #------------------------- 维度信息 --------------------------------
309.         # dec_outputs 的维度是 [batch_size, target_len, embedding_dim]
310.          #-----------------------------------------------------------------        
311.         # 生成解码器自注意力掩码和解码器 - 编码器注意力掩码
312.         dec_self_attn_pad_mask = get_attn_pad_mask(dec_inputs, dec_inputs) # 填充位掩码
313.         dec_self_attn_subsequent_mask = get_attn_subsequent_mask(dec_inputs) # 后续位掩码
314.         dec_self_attn_mask = torch.gt((dec_self_attn_pad_mask \
315.                                        + dec_self_attn_subsequent_mask), 0)
316.         dec_enc_attn_mask = get_attn_pad_mask(dec_inputs, enc_inputs) # 解码器 - 编码器掩码
317.         #------------------------- 维度信息 --------------------------------        
318.         # dec_self_attn_pad_mask 的维度是 [batch_size, target_len, target_len]
319.         # dec_self_attn_subsequent_mask 的维度是 [batch_size, target_len, target_len]
320.         # dec_self_attn_mask 的维度是 [batch_size, target_len, target_len]
321.         # dec_enc_attn_mask 的维度是 [batch_size, target_len, source_len]
322.          #-----------------------------------------------------------------      
323.         dec_self_attns, dec_enc_attns = [], [] # 初始化 dec_self_attns, dec_enc_attns
324.         # 通过解码器层 [batch_size, seq_len, embedding_dim]
325.         for layer in self.layers:
326.             dec_outputs, dec_self_attn, dec_enc_attn = layer(dec_outputs, enc_outputs,
327.                                                dec_self_attn_mask, dec_enc_attn_mask)
328.             dec_self_attns.append(dec_self_attn)
329.             dec_enc_attns.append(dec_enc_attn)
330.         #------------------------- 维度信息 --------------------------------
331.         # dec_outputs 的维度是 [batch_size, target_len, embedding_dim]
332.         # dec_self_attns 是一个列表，每个元素的维度是 [batch_size, n_heads, target_len, target_len]
333.         # dec_enc_attns 是一个列表，每个元素的维度是 [batch_size, n_heads, target_len, source_len]
334.         #-----------------------------------------------------------------
335.         # 返回解码器输出，解码器自注意力和解码器 - 编码器注意力权重      
336.         return dec_outputs, dec_self_attns, dec_enc_attns
338. # 定义 Transformer 模型
339. class Transformer(nn.Module):
340.     def __init__(self, corpus):
341.         super(Transformer, self).__init__()        
342.         self.encoder = Encoder(corpus) # 初始化编码器实例        
343.         self.decoder = Decoder(corpus) # 初始化解码器实例
344.         # 定义线性投影层，将解码器输出转换为目标词汇表大小的概率分布
345.         self.projection = nn.Linear(d_embedding, len(corpus.tgt_vocab), bias=False)
346.     def forward(self, enc_inputs, dec_inputs):
347.         #------------------------- 维度信息 --------------------------------
348.         # enc_inputs 的维度是 [batch_size, source_seq_len]
349.         # dec_inputs 的维度是 [batch_size, target_seq_len]
350.         #-----------------------------------------------------------------        
351.         # 将输入传递给编码器，并获取编码器输出和自注意力权重        
352.         enc_outputs, enc_self_attns = self.encoder(enc_inputs)
353.         #------------------------- 维度信息 --------------------------------
354.         # enc_outputs 的维度是 [batch_size, source_len, embedding_dim]
355.         # enc_self_attns 是一个列表，每个元素的维度是 [batch_size, n_heads, src_seq_len, src_seq_len]        
356.         #-----------------------------------------------------------------         
357.         # 将编码器输出、解码器输入和编码器输入传递给解码器
358.         # 获取解码器输出、解码器自注意力权重和编码器 - 解码器注意力权重     
359.         dec_outputs, dec_self_attns, dec_enc_attns = self.decoder(dec_inputs, enc_inputs, enc_outputs)
360.         #------------------------- 维度信息 --------------------------------
361.         # dec_outputs 的维度是 [batch_size, target_len, embedding_dim]
362.         # dec_self_attns 是一个列表，每个元素的维度是 [batch_size, n_heads, tgt_seq_len, src_seq_len]
363.         # dec_enc_attns 是一个列表，每个元素的维度是 [batch_size, n_heads, tgt_seq_len, src_seq_len]   
364.         #-----------------------------------------------------------------               
365.         # 将解码器输出传递给投影层，生成目标词汇表大小的概率分布
366.         dec_logits = self.projection(dec_outputs)  
367.         #------------------------- 维度信息 --------------------------------
368.         # dec_logits 的维度是 [batch_size, tgt_seq_len, tgt_vocab_size]
369.         #-----------------------------------------------------------------
370.         # 返回逻辑值 ( 原始预测结果 ), 编码器自注意力权重，解码器自注意力权重，解 - 编码器注意力权重
371.         return dec_logits, enc_self_attns, dec_self_attns, dec_enc_attns

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。