Python 用pytorch从头写Transformer源码,一行一解释;机器翻译实例代码;Transformer源码解读与实战

由于篇幅所限,这里我们只提供Transformer模型的核心函数,并给出必要的代码解释。




import torch
import torch.nn as nn
import torch.nn.functional as F
 
class TransformerModel(nn.Module):
    """Transformer模型的简化实现。"""
 
    def __init__(self, ntoken, ninp, nhead, nhid, nlayers, dropout=0.5):
        super(TransformerModel, self).__init__()
        self.model_type = 'Transformer'
        self.pos_encoder = PositionalEncoding(ninp, dropout)
        self.encoder = nn.TransformerEncoder(
            EncoderLayer(ninp, nhead, nhid, dropout),
            num_layers=nlayers
        )
        self.decoder = nn.Linear(ninp, ntoken)
        self.init_weights()
        self.ninp = ninp
        self.nhid = nhid
        self.nhead = nhead
 
    def _generate_square_subsequent_mask(self, sz):
        mask = (torch.triu(torch.ones(sz, sz)) == 1).transpose(0, 1)
        mask = mask.float().masked_fill(mask == 0, float('-inf')).masked_fill(mask == 1, float(0.0))
        return mask
 
    def init_weights(self):
        initrange = 0.1
        self.decoder.bias.data.zero_()
        self.decoder.weight.data.uniform_(-initrange, initrange)
 
    def forward(self, src):
        src = self.pos_encoder(src)
        output = self.encoder(src)
        output = self.decoder(output)
        return F.log_softmax(output, dim=-1)
 
class EncoderLayer(nn.Module):
    "编码器的单层组成部分"
 
    def __init__(self, nhidden, nhead, nhid, dropout=0.5):
        super(EncoderLayer, self).__init__()
        self.self_attn = nn.MultiheadAttention(nhidden, nhead, dropout=dropout)
        self.linear1 = nn.Linear(nhidden, nhid)
        self.relu = nn.ReLU()
        self.linear2 = nn.Linear(nhid, nhidden)
        self.dropout = nn.Dropout(dropout)
 
    def forward(self, src):
        src = self.self_attn(src, src, src)[0]
        src = self.dropout(src)
        src = self.linear2(self.relu(self.linear1(src)))
        src = self.dropout(src)
        return src
 
class PositionalEncoding(nn.Module):
    "位置编码"
 
    def __init__(self, dmodel, dropout=0.1, max_len=5000):
        s
最后修改于:2024年08月19日 19:05

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日