FusedMultiHeadAttention¶
- class paddle.incubate.nn. FusedMultiHeadAttention ( embed_dim, num_heads, dropout_rate=0.5, attn_dropout_rate=0.5, kdim=None, vdim=None, normalize_before=False, need_weights=False, weight_attr=None, bias_attr=None, epsilon=1e-5, name=None ) [源代码] ¶
多头注意力机制
注意力机制可以将查询(Query)与一组键值对(Key-Value)映射到输出。而多头注意力机制是将注意力机制的计算过程计算多次,以便模型提取不同子空间的信息。
细节可参考论文 Attention is all you need 。
FusedMultiHeadAttention
与已有的 MultiHeadAttention
有两处不同:
(1)表达的计算逻辑范围不同。相比 MultiHeadAttention
, FusedMultiHeadAttention
的前面在 normalize_before=True
时,多了 layer_norm
算子,后面多了 residual add
, dropout
和 layer_norm
的计算。
(2)q, k, v 的 weight 的存储格式不同。MultiHeadAttention
将 q, k, v 的 weight 存储在三个张量中。FusedMultiHeadAttention
的 q, k, v 的 weight 被统一存在一个权重张量中,其维度为 [3, num_heads, head_dim, embed_dim]
。
参数¶
embed_dim (int) - 输入输出的维度。
num_heads (int) - 多头注意力机制的 Head 数量。
dropout_rate (float,可选) - multi-head attention 后面的 dropout 算子的注意力目标的随机失活率。0 表示进行 dropout 计算。默认值:0.5。
attn_dropout_rate (float,可选) - multi-head attention 中的 dropout 算子的注意力目标的随机失活率。0 表示不进行 dropout 计算。默认值:0.5。
kdim (int,可选) - 键值对中 key 的维度。如果为
None
则kdim = embed_dim
。默认值None
。vdim (int,可选) - 键值对中 value 的维度。如果为
None
则kdim = embed_dim
。默认值:None
。normalize_before (bool,可选) - 是 pre_layer_norm 结构(True)还是 post_layer_norm 结构(False)。pre_layer_norm 结构中,
layer_norm
算子位于 multi-head attention 和 ffn 的前面,post_layer_norm 结构中,layer_norm
位于两者的后面。默认值:False
。need_weights (bool,可选) - 表明是否返回注意力权重。默认值:
False
。weight_attr (ParamAttr,可选) - 指定权重参数属性的对象。默认值:
None
,表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。bias_attr (ParamAttr,可选)- 指定偏置参数属性的对象。默认值:
None
,表示使用默认的偏置参数属性。具体用法请参见 ParamAttr 。epsilon (float,可选) - 为了数值稳定加在分母上的值。默认值:1e-05。
name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。
形状¶
x (Tensor):默认形状为
[batch_size, sequence_length, embed_dim]
,其数据类型为 float32,float64 或者 float16。output (Tensor):其形状和数据类型与输入 x 相同。
返回¶
计算 FusedMultiHeadAttention 的可调用对象
代码示例¶
# required: gpu
import paddle
# input: [batch_size, sequence_length, embed_dim]
query = paddle.rand((2, 4, 128))
# self attention mask: [batch_size, num_heads, query_len, query_len]
attn_mask = paddle.rand((2, 2, 4, 4))
multi_head_attn = paddle.incubate.nn.FusedMultiHeadAttention(128, 2)
output = multi_head_attn(query, None, None, attn_mask=attn_mask) # [2, 4, 128]