TransformerDecoderLayer

class torch.nn.modules.transformer.TransformerDecoderLayer(d_model, nhead, dim_feedforward=2048, dropout=0.1, activation=<function relu>, layer_norm_eps=1e-05, batch_first=False, norm_first=False, bias=True, device=None, dtype=None)

TransformerDecoderLayer 由自注意力、多頭注意力和前饋網路組成。

此 TransformerDecoderLayer 實現《Attention Is All You Need》論文中描述的原始架構。該層的目的是作為基礎理解的參考實現，因此與較新的 Transformer 架構相比，它只包含有限的功能。鑑於 Transformer 類架構創新的快速步伐，我們建議探索此教程，以從核心構建塊構建高效的層，或使用 PyTorch 生態系統中的更高階庫。

引數

• d_model (int) – 輸入中預期的特徵數量（必需）。

• nhead (int) – 多頭注意力模型中的頭數（必需）。

• dim_feedforward (int) – 前饋網路模型的維度（預設值=2048）。

• dropout (float) – dropout 值（預設值=0.1）。

• activation (Union[str, Callable[[Tensor], Tensor]]) – 中間層的啟用函式，可以是字串 (“relu” 或 “gelu”) 或一元可呼叫物件。預設值：relu

• layer_norm_eps (float) – 層歸一化元件中的 eps 值（預設值=1e-5）。

• batch_first (bool) – 如果為 True，則輸入和輸出張量為 (batch, seq, feature)。預設值：False (seq, batch, feature)。

• norm_first (bool) – 如果為 True，則在自注意力、多頭注意力和前饋操作之前分別進行層歸一化。否則，在之後進行。預設值：False (之後)。

• bias (bool) – 如果設定為 False，則 Linear 和 LayerNorm 層將不會學習加性偏置。預設值：True。

示例

>>> decoder_layer = nn.TransformerDecoderLayer(d_model=512, nhead=8)
>>> memory = torch.rand(10, 32, 512)
>>> tgt = torch.rand(20, 32, 512)
>>> out = decoder_layer(tgt, memory)

或者，當 batch_first 為 True 時

>>> decoder_layer = nn.TransformerDecoderLayer(
...     d_model=512, nhead=8, batch_first=True
... )
>>> memory = torch.rand(32, 10, 512)
>>> tgt = torch.rand(32, 20, 512)
>>> out = decoder_layer(tgt, memory)

forward(tgt, memory, tgt_mask=None, memory_mask=None, tgt_key_padding_mask=None, memory_key_padding_mask=None, tgt_is_causal=False, memory_is_causal=False)

將輸入（和掩碼）透過解碼器層。

引數

• tgt (Tensor) – 到解碼器層的序列（必需）。

• memory (Tensor) – 來自編碼器最後一層的序列（必需）。

• tgt_mask (Optional[Tensor]) – tgt 序列的掩碼（可選）。

• memory_mask (Optional[Tensor]) – memory 序列的掩碼（可選）。

• tgt_key_padding_mask (Optional[Tensor]) – 每個批次的 tgt 鍵的掩碼（可選）。

• memory_key_padding_mask (Optional[Tensor]) – 每個批次的 memory 鍵的掩碼（可選）。

• tgt_is_causal (bool) – 如果指定，則將因果掩碼作為 tgt mask 應用。預設值：False。警告：tgt_is_causal 提供了一個提示，即 tgt_mask 是因果掩碼。提供不正確的提示可能導致執行不正確，包括向前和向後相容性。

• memory_is_causal (bool) – 如果指定，則將因果掩碼應用為 memory mask。預設值：False。警告：memory_is_causal 提供了一個提示，即 memory_mask 是因果掩碼。提供錯誤的提示可能導致執行不正確，包括向前和向後相容性。

返回型別

張量

形狀

請參閱Transformer中的文件。