CachedMultiHeadAttention 层

[源代码]

CachedMultiHeadAttention 类

keras_nlp.layers.CachedMultiHeadAttention(
    num_heads,
    key_dim,
    value_dim=None,
    dropout=0.0,
    use_bias=True,
    output_shape=None,
    attention_axes=None,
    kernel_initializer="glorot_uniform",
    bias_initializer="zeros",
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    seed=None,
    **kwargs
)

支持缓存的多头注意力层。

此层适用于自回归解码。它可以用于缓存解码器自注意力和交叉注意力。前向传递可以以三种模式之一发生

• 无缓存，与常规多头注意力相同。
• 静态缓存（cache_update_index 为 None）。在这种情况下，将使用缓存的键/值投影，并且将忽略输入值。
• 更新缓存（cache_update_index 不为 None）。在这种情况下，将使用输入计算新的键/值投影，并将其拼接在指定索引处的缓存中。

请注意，缓存仅在推理期间有用，不应在训练期间使用。

我们使用以下符号 B、T、S，其中 B 是批次维度，T 是目标序列长度，S 是源序列长度。请注意，在生成解码期间，T 通常为 1（您正在生成长度为 1 的目标序列以预测下一个标记）。

调用参数

• query：形状为 (B, T, dim) 的查询 Tensor。
• value：形状为 (B, S*, dim) 的值 Tensor。如果 cache 为 None，S*必须等于S并与attention_mask的形状匹配。如果cache不为None，则S*可以是小于S的任何长度，并且计算出的值将被拼接在cache_update_index处的cache中。
• key：形状为 (B, S*, dim) 的可选键 Tensor。如果 cache 为 None，则 S* 必须等于 S 并与 attention_mask 的形状匹配。如果 cache 不为 None，则 S* 可以是小于 S 的任何长度，并且计算出的值将被拼接在 cache_update_index 处的 cache 中。
• attention_mask：形状为 (B, T, S) 的布尔掩码。attention_mask 防止对某些位置进行注意力。布尔掩码指定哪些查询元素可以关注哪些键元素，1 表示注意力，0 表示无注意力。对于缺失的批次维度和头部维度，可以进行广播。
• cache：密集浮点张量。键/值缓存，形状为 [B, 2, S, num_heads, key_dims]，其中 S 必须与 attention_mask 的形状一致。此参数旨在在生成期间使用，以避免重新计算中间状态。
• cache_update_index：整数或整数张量，更新 cache 的索引（通常是在运行生成时正在处理的当前标记的索引）。如果 cache_update_index=None 且 cache 已设置，则不会更新缓存。
• training：布尔值，指示层应以训练模式还是推理模式运行。

返回值

一个 (attention_output, cache) 元组。attention_output 是计算结果，形状为 (B, T, dim)，其中 T 用于目标序列形状，dim 是如果 output_shape 为 None 则查询输入的最后一个维度。否则，多头输出将投影到 output_shape 指定的形状。cache 是更新后的缓存。