add_position_encoding¶

paddle.fluid.layers. add_position_encoding ( input, alpha, beta, name=None ) [源代码] ¶

该OP将输入inpu中每个位置（序列中的位置）的特征与对应的位置编码加权求和，位置编码可参考论文: Attention Is All You Need

输出的计算公式如下：

\[\begin{split}PE(pos, 2i) &= \sin{(pos / 10000^{2i / P})}\\ PE(pos, 2i + 1) &= \cos{(pos / 10000^{2i / P})}\\ Out(:, pos, i) &= \alpha * input(:, pos, i) + \beta * PE(pos, i)\end{split}\]

其中:

PE(pos, 2i): pos位置对应的编码中偶数特征位上的值
PE(pos, 2i + 1): pos位置对应的编码中奇数特征位上的值

参数:

input (Variable) – Tensor或LoD level为1的LoDTensor。Tensor时，其形状为 \([N, M, P]\) ，其中 \(N\) 表示batch size， \(M\) 表示序列长度， \(P\) 为特征维度大小；LoDTensor时，其形状为 \([N, P]\) ，其中 \(N\) 表示所有序列长度之和， \(P\) 为特征维度大小。数据类型为float32或float64。
alpha (float) – 加权求和时输入input的权重系数
beta (float) – 加权求和时位置编码的权重系数
name (str，可选) – 具体用法请参见 Name ，一般无需设置，默认值为None。

返回: 加上位置编码后的Tensor或LoDTensor，和输入（input）具有相同数据类型和形状及LoD信息。

返回类型: Variable

代码示例：

         import paddle.fluid as fluid

tensor = fluid.data(
    name='tensor',
    shape=[None, 64, 512],
    dtype='float32')
position_tensor = fluid.layers.add_position_encoding(
    input=tensor, alpha=1.0, beta=1.0)

        