注意力层

[源文件]

Attention 类

keras.layers.Attention(
    use_scale=False, score_mode="dot", dropout=0.0, seed=None, **kwargs
)

点积注意力层，也称为 Luong-style 注意力。

输入是包含 2 或 3 个元素的列表： 1. 形状为 (batch_size, Tq, dim) 的 query 张量。 2. 形状为 (batch_size, Tv, dim) 的 value 张量。 3. 可选的形状为 (batch_size, Tv, dim) 的 key 张量。如果未提供，则 value 将用作 key。

计算步骤如下： 1. 使用 query 和 key 计算注意力得分，形状为 (batch_size, Tq, Tv)。 2. 使用得分计算 softmax 分布，形状为 (batch_size, Tq, Tv)。 3. 使用 softmax 分布创建 value 的线性组合，形状为 (batch_size, Tq, dim)。

参数

• use_scale: 如果为 True，将创建一个标量变量来缩放注意力得分。
• dropout: 0 到 1 之间的浮点数。注意力得分要丢弃的单元比例。默认为 0.0。
• seed: 一个 Python 整数，在应用 dropout 时用作随机种子。
• score_mode: 用于计算注意力得分的函数，可选值为 {"dot", "concat"}。"dot" 表示 query 和 key 向量之间的点积。"concat" 表示 query 和 key 向量拼接后的双曲正切。

调用参数

• inputs: 以下张量列表
  • query: 形状为 (batch_size, Tq, dim) 的 Query 张量。
  • value: 形状为 (batch_size, Tv, dim) 的 Value 张量。
  • key: 可选的形状为 (batch_size, Tv, dim) 的 Key 张量。如果未提供，则 value 将同时用作 key 和 value，这是最常见的情况。
• mask: 以下张量列表
  • query_mask: 形状为 (batch_size, Tq) 的布尔掩码张量。如果给定，则在 mask==False 的位置输出将为零。
  • value_mask: 形状为 (batch_size, Tv) 的布尔掩码张量。如果给定，将应用掩码，使得在 mask==False 位置的值不影响结果。
• return_attention_scores: bool，如果为 True，将注意力得分（在掩码和 softmax 之后）作为附加输出参数返回。
• training: Python 布尔值，指示层应在训练模式（添加 dropout）还是推理模式（不添加 dropout）下运行。
• use_causal_mask: 布尔值。对于解码器自注意力设置为 True。添加一个掩码，使得位置 i 不能关注位置 j > i。这可以防止信息从未来流向过去。默认为 False。

输出: 注意力输出，形状为 (batch_size, Tq, dim)。(可选) 掩码和 softmax 后的注意力得分，形状为 (batch_size, Tq, Tv)。