TransformerDecoderLayer

class torch.nn.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。

注意

有關 PyTorch 提供的用於構建您自己的 Transformer 層的效能構建塊的深入討論，請參閱本教程。

這個標準的解碼器層基於論文《Attention Is All You Need》。使用者可以在應用過程中修改或以不同的方式實現。

引數

• d_model (int) – 輸入中預期特徵的數量（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（預設為 2048）。

• dropout (float) – dropout 值（預設為 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（預設為 1e-5）。

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

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

• bias (bool) – 如果設定為 False，Linear 和 LayerNorm 層將不會學習加性偏差。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) – 輸入到解碼器層的序列（必需）。

• memory (Tensor) – 來自編碼器最後一層的序列（必需）。

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

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

• tgt_key_padding_mask (Optional[Tensor]) – 按批次用於 tgt 鍵的掩碼（可選）。

• memory_key_padding_mask (Optional[Tensor]) – 按批次用於 memory 鍵的掩碼（可選）。

• tgt_is_causal (bool) – 如果指定，則將一個因果掩碼應用為 tgt mask。預設值：False。警告：tgt_is_causal 提供了一個提示，表明 tgt_mask 是因果掩碼。提供不正確的提示可能導致執行錯誤，包括前向和後向相容性。

• memory_is_causal (bool) – 如果指定，則將一個因果掩碼應用為 memory mask。預設值：False。警告：memory_is_causal 提供了一個提示，表明 memory_mask 是因果掩碼。提供不正確的提示可能導致執行錯誤，包括前向和後向相容性。

返回型別

Tensor

形狀

請參見 Transformer 中的文件。