TransformerEncoderLayer#

class torch.nn.modules.transformer.TransformerEncoderLayer(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)[源代码]#

TransformerEncoderLayer 由自注意力机制和前馈网络组成。

此 TransformerEncoderLayer 实现 Attention Is All You Need 论文中描述的原始架构。该层的目的是作为基础理解的参考实现，因此与较新的 Transformer 架构相比，它只包含有限的功能。考虑到 Transformer 类架构的快速创新步伐，我们建议探索这个教程，从核心构建块构建高效的层，或使用 PyTorch 生态系统的高级库。

TransformerEncoderLayer 可以处理传统的 torch.tensor 输入或 Nested Tensor 输入。派生类也应该接受这两种输入格式。（目前 TransformerEncoderLayer 并不支持所有输入的组合，因为 Nested Tensor 仍处于原型阶段。）

如果您正在实现自定义层，可以从 Module 或 TransformerEncoderLayer 类派生。如果您的自定义层支持 torch.Tensors 和 Nested Tensors 输入，则将其实现设为 TransformerEncoderLayer 的派生类。如果您的自定义层仅支持 torch.Tensor 输入，则将其实现从 Module 派生。

参数

d_model (int) – 输入中预期的特征数量（必需）。
nhead (int) – 多头注意力模型中的头数（必需）。
dim_feedforward (int) – 前馈网络模型的维度（默认值=2048）。
dropout (float) – dropout 值（默认值=0.1）。
activation (Union[str, Callable[[Tensor], Tensor]]) – 中间层的激活函数，可以是字符串 (“relu” 或 “gelu”) 或一元可调用对象。默认值：relu
layer_norm_eps (float) – 层归一化组件中的 eps 值（默认值=1e-5）。
batch_first (bool) – 如果为 True，则输入和输出张量为 (batch, seq, feature)。默认值：False (seq, batch, feature)。
norm_first (bool) – 如果为 True，则在进行注意力（attention）和前馈（feedforward）操作之前先进行层归一化（layer norm）。否则，在之后进行。默认为 False（之后）。
bias (bool) – 如果设置为 False，则 Linear 和 LayerNorm 层将不会学习加性偏置。默认值：True。

示例

>>> encoder_layer = nn.TransformerEncoderLayer(d_model=512, nhead=8)
>>> src = torch.rand(10, 32, 512)
>>> out = encoder_layer(src)

或者，当 batch_first 为 True 时

>>> encoder_layer = nn.TransformerEncoderLayer(
...     d_model=512, nhead=8, batch_first=True
... )
>>> src = torch.rand(32, 10, 512)
>>> out = encoder_layer(src)

快速路径

如果满足以下所有条件，forward() 将使用 FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness 中描述的特殊优化实现：

自动梯度被禁用（使用 torch.inference_mode 或 torch.no_grad）或者没有张量参数 requires_grad
训练被禁用（使用 .eval()）
batch_first 为 True 且输入是批量的（即 src.dim() == 3）
activation 为以下之一："relu"、"gelu"、torch.functional.relu 或 torch.functional.gelu
最多只传递 src_mask 和 src_key_padding_mask 中的一个
如果 src 是 NestedTensor，则不传递 src_mask 和 src_key_padding_mask
两个 LayerNorm 实例具有一致的 eps 值（除非调用者手动修改了一个而未修改另一个，否则这自然会成立）

如果正在使用优化实现，可以将 NestedTensor 传递给 src，以比使用 padding mask 更有效地表示 padding。在这种情况下，将返回一个 NestedTensor，并可以预期额外的加速与输入中 padding 的比例成正比。

forward(src, src_mask=None, src_key_padding_mask=None, is_causal=False)[源代码]#

将输入通过编码器层。

参数

src (Tensor) – 编码器层的序列（必需）。
src_mask (Optional[Tensor]) – src 序列的掩码（可选）。
src_key_padding_mask (Optional[Tensor]) – src 键的每批掩码（可选）。
is_causal (bool) – 如果指定，则将因果掩码（causal mask）应用为 src mask。默认为 False。警告：is_causal 提供了一个提示，即 src_mask 是因果掩码。提供不正确的提示可能导致执行不正确，包括前向和后向兼容性。

返回类型

张量

形状: 请参阅Transformer中的文档。

TransformerEncoderLayer#

文档

教程

资源