MultiheadAttention

class torch.ao.nn.quantizable.MultiheadAttention(embed_dim, num_heads, dropout=0.0, bias=True, add_bias_kv=False, add_zero_attn=False, kdim=None, vdim=None, batch_first=False, device=None, dtype=None)

dequantize()

將量化後的MHA轉換回浮點數。

這樣做的動機是，將量化版本中使用的格式的權重轉換回浮點數並非易事。

forward(query, key, value, key_padding_mask=None, need_weights=True, attn_mask=None, average_attn_weights=True, is_causal=False)

注意:

有關更多資訊，請參閱 forward()。

引數

• query (Tensor) – 將查詢和一組鍵值對對映到輸出。更多細節請參閱“Attention Is All You Need”。

• key (Tensor) – 將查詢和一組鍵值對對映到輸出。更多細節請參閱“Attention Is All You Need”。

• value (Tensor) – 將查詢和一組鍵值對對映到輸出。更多細節請參閱“Attention Is All You Need”。

• key_padding_mask (Optional[Tensor]) – 如果提供，指定的鍵中的填充元素將被注意力忽略。當給定二進位制掩碼且值為 True 時，將忽略注意力層上的相應值。

• need_weights (bool) – 輸出 attn_output_weights。

• attn_mask (Optional[Tensor]) – 2D 或 3D 掩碼，可防止注意力指向特定位置。2D 掩碼將廣播到所有批次，而 3D 掩碼允許為每個批次的條目指定不同的掩碼。

返回型別

tuple[torch.Tensor, Optional[torch.Tensor]]

形狀

• 輸入

• query: $(L, N, E)$，其中 L 是目標序列長度，N 是批次大小，E 是嵌入維度。 如果 batch_first 為 True，則為 $(N, L, E)$。

• key: $(S, N, E)$，其中 S 是源序列長度，N 是批次大小，E 是嵌入維度。 如果 batch_first 為 True，則為 $(N, S, E)$。

• value: $(S, N, E)$，其中 S 是源序列長度，N 是批次大小，E 是嵌入維度。 如果 batch_first 為 True，則為 $(N, S, E)$。

• key_padding_mask: $(N, S)$，其中 N 是批次大小，S 是源序列長度。如果提供 BoolTensor，值為 True 的位置將被忽略，而值為 False 的位置將保持不變。

• attn_mask: 2D 掩碼 $(L, S)$，其中 L 是目標序列長度，S 是源序列長度。3D 掩碼 $(N*num_heads, L, S)$，其中 N 是批次大小，L 是目標序列長度，S 是源序列長度。attn_mask 確保位置 i 可以注意力到未遮掩的位置。如果提供 BoolTensor，值為 True 的位置不允許注意力，而 False 值將保持不變。如果提供 FloatTensor，它將被新增到注意力權重中。

• is_causal: 如果指定，則將因果掩碼用作注意力掩碼。與提供 attn_mask 互斥。預設值：False。

• average_attn_weights: 如果為 True，則表示返回的 attn_weights 應該跨頭平均。否則，attn_weights 將按頭單獨提供。請注意，此標誌僅在 need_weights=True 時有效。預設值：True（即平均跨頭權重）。

• 輸出

• attn_output: $(L, N, E)$，其中 L 是目標序列長度，N 是批次大小，E 是嵌入維度。 如果 batch_first 為 True，則為 $(N, L, E)$。

• attn_output_weights: 如果 average_attn_weights=True，則返回跨頭平均的注意力權重，形狀為 $(N, L, S)$，其中 N 是批次大小，L 是目標序列長度，S 是源序列長度。 如果 average_attn_weights=False，則返回每個頭的注意力權重，形狀為 $(N, num_heads, L, S)$。