新建 Microsoft PowerPoint 演示文稿 (2).jpg
从今天开始,我会再看一遍Transformer(这是第3遍了吧……)。
这次是依据Transformer 模型的 PyTorch 实现进行学习,再梳理一下Transformer模型的重点,最后用Pytorch实现。
本来想用AllenNLP一步到位,但是前天敲了一天发现不行,我对Pytorch不懂,同时还是不了AllenNLP,干脆从头再来。
在这里参考The Annotated Transformer进行实现
1. 引入必要的库
import numpy as np
import torch
import torch.nn as nn
import torch.nn.functional as F
import math, copy, time
from torch.autograd import Variable
import matplotlib.pyplot as plt
import seaborn
# Seaborn作为一个带着定制主题和高级界面控制的Matplotlib扩展包,能让绘图变得更轻松.
seaborn.set_context(context="talk")
2. 首先是Encoder-Decoder结构。
- encoder将使用符号表示的输入inputs序列,映射到一个连续表示的序列Z。
- decoder一次一个元素地生成符号输出序列Y。
- 在每一步模型均为自动回归(auto-regressive),即在生成下一个符号时将先前生成的符号作为附加输入。
class EncoderDecoder(nn.Module):
'''
构建一个标准的Encoder-Decoder架构
可以发现里面的encode和decode处理的不同,在前面说过,decoder比encoder多了一个context attention。
'''
def __init__(self, encoder, decoder, src_embed, tgt_embed, generator):
super(EncoderDecoder, self).__init__()
self.encoder = encoder
self.decoder = decoder
self.src_embed = src_embed
self.tgt_embed = tgt_embed
self.generator = generator
def encode(self, src, src_mask):
return self.encoder(self.tgt_embed(src), src_mask)
def decode(self, memory, src_mask, tgt, tgt_mask):
return self.decoder(self.tgt_embed(tgt), memory, src_mask, tgt_mask)
def forward(self, src, tgt, src_mask, tgt_mask):
return self.decode(self.encode(src, src_mask), src_mask, tgt, tgt_mask)
class Generator(nn.Module):
'''
定义标准的线性+softmax生成步骤
这是在8. Embeddings和Softmax中
'''
def __init__(self, d_model, vocab):
super(Generator, self).__init__()
self.proj = nn.Linear(d_model, vocab)
def forward(self, x):
return F.log_softmax(self.proj(x), dim=1)
3. Encoder和Decoder堆(stack)
在模型中Encoder和Decoder都是由六个相同的层构建出来的堆。
在这里先实现这两个堆
3.1 首先构建Encoder堆
注意在堆中每一层都要进行残差连接和层归一Layer-Normalization
上一节中说了残差连接和层归一的算法,我们看如何实现
F(x)+x
LN(x_i)=\\alpha\\times\\frac{x_i-u_L}{\\sqrt{\\sigma_L^2+\\epsilon}}+\\beta
我们在每两个block之间都使用了残差连接(Residual Connection)和层归一。
实现的顺序是:
(1) 完成最上层,6层layer的构建,通过clones复制每一个层,实现层归一,
(2) 完成block的残差连接
(3) 完成每一层中的两个block的multi-heads self-attention和前馈网络
def clones(module, N):
return nn.ModuleList([copy.deepcopy(module) for _ in range(N)])
class LayerNorm(nn.Module):
def __init__(self, features, eps=1e-6):
super(LayerNorm, self).__init__()
self.a_2 = nn.Parameter(torch.ones(features))
self.b_2 = nn.Parameter(torch.zeros(features))
self.eps = eps
def forward(self, x):
mean = x.mean(-1, keepdim=True)
std = x.std(-1, keepdim=True)
return self.a_2 * (x - mean) / (std + self.eps) + self.b_2
class Encoder(nn.Module):
'''
核心encoder是N层构成的堆
'''
def __init__(self, layer, N):
super(Encoder, self).__init__()
self.layers = clones(layer, N)
self.norm = LayerNorm(layer.size)
def forward(self, x, mask):
for layer in self.layers:
x = layer(x, mask)
return self.norm(x)
每一层layer的输出为LayerNorm(x+Sublayer(x))。
其中Sublayer(x)是由block自动实现,每个子层输出上使用Dropout,再送入下一个block,并进行归一化。
class SublayerConnection(nn.Module):
def __init__(self, size, dropout):
super(SublayerConnection, self).__init__()
self.norm = LayerNorm(size)
self.dropout = nn.Dropout(dropout)
def forward(self, x, sublayer):
'''
将残差连接以同样的size到任意一个子层
:param x:
:param sublayer:
:return:
'''
return x + self.dropout(sublayer(self.norm(x)))
Encoder的每一层有两个block(教程中使用子层来称呼)
第一个block是multi-heads self-attention
第二个block是一个简单的前馈网络
Encoder由self-attn, feed_forward, dropout构成
class EncoderLayer(nn.Module):
def __init__(self, size, self_attn, feed_forward, dropout):
super(EncoderLayer, self).__init__()
self.self_attn = self_attn
self.feed_forward = feed_forward
self.sublayer = clones(SublayerConnection(size, dropout), 2)
self.size = size
def forward(self, x, mask):
x = self.sublayer[0](x, lambda x: self.self_attn(x, x, x, mask))
return self.sublayer[1](x, self.feed_forward)
3.2 构建Decoder堆
注意在Decoder堆中每一层都要进行残差连接和层归一Layer-Normalization
Decoder堆区别是在于多了一个multi-heads context-attention用于处理和Encoder的连接。
我们在每两个block之间都使用了残差连接(Residual Connection)和层归一。
实现的顺序是:
(1) 完成最上层,6层layer的构建,通过clones复制每一个层,实现层归一
(2) 完成block的残差连接
(3) 完成每一层中的两个block的multi-heads self-attention和前馈网络
和encoder一样,复制6层,只是在每一层中比encoder多了memory。
class Decoder(nn.Module):
def __init__(self, layer, N):
super(Decoder, self).__init__()
self.layers = clones(layer, N)
self.norm = LayerNorm(layer.size)
def forward(self, x, memory, src_mask, tgt_mask):
for layer in self.layers:
x = layer(x, memory, src_mask, tgt_mask)
return self.norm(x)
DecoderLayer与EncoderLayer类似,只是EncoderLayer的mask在这里变成了src_mask和tgt_mask,同时增加了memory。
但是这部分的sublayer没有看懂,为什么会有三个?复制了3个layer。
第一个用于存放self-attention,第二个用于存放src_attention(看情形里面的是memory的维度,应该是context-attention)。
而第三个是处理后的前馈网络。
class DecoderLayer(nn.Module):
def __init__(self, size, self_attn, src_attn, feed_forward, dropout):
super(DecoderLayer, self).__init__()
self.self_attn = self_attn
self.feed_forward = feed_forward
self.src_attn = src_attn
self.sublayer = clones(SublayerConnection(size, dropout), 3)
self.size = size
def forward(self, x, memory, src_mask, tgt_mask):
m = memory
x = self.sublayer[0](x, lambda x: self.self_attn(x, x, x, tgt_mask))
x = self.sublayer[1](x, lambda x: self.src_attn(x, m, m, src_mask))
return self.sublayer[2](x, self.feed_forward)
修改Decoder的self-attention部分,防止当前位置影响后续位置,就是用mask处理attention,这种mask处理,与输入输出嵌入偏移一个位置相结合,确保位置的预测仅依赖于之前已知输出。
def subsequent_mask(size):
"Mask out subsequent positions."
attn_shape = (1, size, size)
subsequent_mask = np.triu(np.ones(attn_shape), k=1).astype('uint8')
return torch.from_numpy(subsequent_mask) == 0
if __name__ == '__main__':
plt.figure(figsize=(5,5))
plt.imshow(subsequent_mask(20)[0])
plt.show()
閱讀更多 一點點Citespace 的文章