TransformerEncoder

class torch.nn.modules.transformer.TransformerEncoder(encoder_layer, num_layers, norm=None, enable_nested_tensor=True, mask_check=True)

TransformerEncoder 是 N 个编码器层的堆栈。

此 TransformerEncoder 层实现了 Attention Is All You Need 论文中描述的原始架构。此层的目的是作为基础理解的参考实现，因此相比于较新的 Transformer 架构，它只包含有限的功能。鉴于 Transformer 类架构的快速创新步伐，我们建议探索此 教程，使用核心模块中的构建块来构建高效的层，或使用 PyTorch 生态系统 中的更高级库。

警告

TransformerEncoder 中的所有层都使用相同的参数进行初始化。建议在创建 TransformerEncoder 实例后手动初始化层。

参数

• encoder_layer (TransformerEncoderLayer) – TransformerEncoderLayer() 类的实例（必需）。

• num_layers (int) – 编码器中子编码器层的数量（必需）。

• norm (Optional[Module]) – 层归一化组件（可选）。

• enable_nested_tensor (bool) – 如果为 True，输入将自动转换为嵌套张量（并在输出时转换回来）。当填充率很高时，这将提高 TransformerEncoder 的整体性能。默认为 True（启用）。

示例

>>> encoder_layer = nn.TransformerEncoderLayer(d_model=512, nhead=8)
>>> transformer_encoder = nn.TransformerEncoder(encoder_layer, num_layers=6)
>>> src = torch.rand(10, 32, 512)
>>> out = transformer_encoder(src)

forward(src, mask=None, src_key_padding_mask=None, is_causal=None)

依次将输入通过编码器层。

参数

• src (Tensor) – 到编码器的序列（必需）。

• 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 (Optional[bool]) – 如果指定，将 mask 应用为因果掩码。默认为 None；尝试检测因果掩码。警告：is_causal 提供了一个提示，表明 mask 是因果掩码。提供错误的提示可能导致执行错误，包括向前和向后兼容性。

返回类型

张量

形状

请参阅Transformer中的文档。