【Pytorch】李沐老师transformer复现记录_transformer回归问题

掩码

def sequence_mask(X,valid_len,value=0):
    """在序列中屏蔽不相关的项"""
    maxlen = X.size(1)
    mask = torch.arange(maxlen,dtype=torch.float32,device=X.device)[None,:] < valid_len[:,None]
    X[~mask] = value
    return X

X.size(1) 这里的目的是说获得每一行序列的最大长度maxlen

mask这里，首先说一下torch.arange(maxlen,dtype=torch.float32,device=X.device)

生成一个从0至maxlen-1的一维张量，数据格式为float32，并保存至X当前所在的设备（cpu/gpu）

[None,:] < valid_len[:,None]，即mask[None,:] < valid_len[:,None]，用了广播，也就是两个一维向量，变成了二维张量，之后再进行比较，假如valid_len是[0,1,2]，那么valid_len[:,None]为tensor([[0.], [1.], [2.]], device='cuda:0')

~mask这里是取反的意思，~False=True，即mask中为false的元素，对应X中赋值为value

掩蔽softmax操作

def masked_softmax(X,valid_lens):
    """通过在最后一个轴上掩蔽元素来执行softmax操作"""
    # X:3D张量，valid_lens:1D或2D张量
    if valid_lens is None:
        return nn.functional.softmax(X, dim=-1)
    else:
        shape = X.shape
        if valid_lens.dim() == 1:
            valid_lens = torch.repeat_interleave(valid_lens, shape[1])
        else:
            valid_lens = valid_lens.reshape(-1)
        # 最后一轴上被掩蔽的元素使用一个非常大的负值替换，从而其softmax输出为0
        X = sequence_mask(X.reshape(-1,shape[-1]), valid_lens, value=-1e6)
        return nn.functional.softmax(X.reshape(shape),dim=-1)

1.首先看一下掩蔽的长度，没有的话直接掩蔽

2. else中   看一下valid_lens是不是一维还是二维，一维的话，通过repeat_interleave函数创建符合shape[1]的新的张量。（repeat_interleave的作用是将一维张量中的元素重复多次以创建一个新的一维张量）；

     如果是valid_lens二维的话则降维成一维

3. 接下俩通过刚才的函数sequence_mask对当前的矩阵进行掩蔽（此时X是3D张量，需要将其变为二维，我们是对最后一个维度进行掩蔽，那么我们可以将前两个维度降维在一起，即为啥是X.reshape(-1,shape[-1])。那么怎么变回来呢？ 还记得else下面有个shape = X.shape的代码吗？这里记载的就是刚输入的X的大小，那么通过这个再次reshape就可以恢复了（2D->3D），第一维恢复成原先的前两维）

4.恢复成原状后进行softmax

我的学习过程中的一些数据测试

def sequence_mask(X,valid_len,value=0):
    """在序列中屏蔽不相关的项"""
    maxlen = X.size(1)
    mask = torch.arange(maxlen,dtype=torch.float32,device=X.device)[None,:] < valid_len[:,None]
    print(X)
    print(mask)
    X[~mask] = value
    return X
 
 
 
def masked_softmax(X,valid_lens):
    """通过在最后一个轴上掩蔽元素来执行softmax操作"""
    # X:3D张量，valid_lens:1D或2D张量
    if valid_lens is None:
        return nn.functional.softmax(X, dim=-1)
    else:
        shape = X.shape
        if valid_lens.dim() == 1:
            valid_lens = torch.repeat_interleave(valid_lens, shape[1])
        else:
            valid_lens = valid_lens.reshape(-1)
        print(f"valid_lens:{valid_lens}")
        # 最后一轴上被掩蔽的元素使用一个非常大的负值替换，从而其softmax输出为0
        X = sequence_mask(X.reshape(-1,shape[-1]), valid_lens, value=-1e6)
        print(f"ANS:")
        print(f"{X.reshape(shape)}")
        return nn.functional.softmax(X.reshape(shape),dim=-1)

缩放点积注意力

#缩放点击注意力
class DotProductAttention(nn.Module):
    def __init__(self, dropout,**kwargs):
        super(DotProductAttention,self).__init__(**kwargs)
        self.dropout = nn.Dropout(dropout)
    # queries的形状：(batch_size，查询的个数，d)
    # keys的形状：(batch_size，“键－值”对的个数，d)
    # values的形状：(batch_size，“键－值”对的个数，值的维度)
    # valid_lens的形状:(batch_size，)或者(batch_size，查询的个数)
    def forward(self, queries, keys, values, valid_lens=None):
        d = queries.shape[-1]
        # 设置transpose_b=True为了交换keys的最后两个维度
        scores = torch.bmm(queries,keys.transpose(1,2)) / math.sqrt(d)
        self.attention_weights = masked_softmax(scores,valid_lens)
        return torch.bmm(self.dropout(self.attention_weights),values)

这里主要是forward中，torch.bmm用于执行批量矩阵乘法，transpose是将查询张量与键张量的转置相乘，最后生成注意力分数张量。 

关于sqrt(d)：

如果d不是很大的话，除不除都没关系，但是如果d很大的话（两个向量很长），点积之后的数值可能会很大或很小，这就导致很大的数值softmax后更加靠近于1，而同时剩下的数值会趋近于0，也就是数值们会向两端靠拢，这会导致我们算梯度的时候梯度变小，所以对d开根号

--未完待续，先去读论文了，后面再写