GroupQueryAttention

[源代码]

GroupedQueryAttention 类

keras.layers.GroupQueryAttention(
    head_dim,
    num_query_heads,
    num_key_value_heads,
    dropout=0.0,
    use_bias=True,
    flash_attention=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
)

分组查询注意力层。

这是 Ainslie 等人 2023 年提出的分组查询注意力的实现，参见 论文。 其中，num_key_value_heads 表示组的数量，将 num_key_value_heads 设置为 1 等价于多查询注意力，当 num_key_value_heads 等于 num_query_heads 时，等价于多头注意力。

此层首先投影 query、key 和 value 张量。然后，key 和 value 会重复以匹配 query 的头数。

接着，对 query 进行缩放，并与 key 张量进行点积。这些结果会经过 softmax 函数得到注意力概率。然后，通过这些概率对 value 张量进行插值，并将其连接回单个张量。

参数

• head_dim：每个注意力头的尺寸。
• num_query_heads：查询注意力头的数量。
• num_key_value_heads：键和值注意力头的数量。
• dropout：丢弃概率。
• use_bias：布尔值，指示密集层是否使用偏置向量/矩阵。
• flash_attention：如果为 None，则该层会在可能的情况下尝试使用 flash attention 来实现更快、更节省内存的注意力计算。此行为可以通过 keras.config.enable_flash_attention() 或 keras.config.disable_flash_attention() 进行配置。
• kernel_initializer：密集层核的初始化器。
• bias_initializer：密集层偏置的初始化器。
• kernel_regularizer：密集层核的正则化器。
• bias_regularizer：密集层偏置的正则化器。
• activity_regularizer：密集层激活的正则化器。
• kernel_constraint：密集层核的约束。
• bias_constraint：密集层核的约束。
• seed：可选整数，用于为丢弃层设置种子。

调用参数

• query：查询张量，形状为 (batch_dim, target_seq_len, feature_dim)，其中 batch_dim 是批次大小，target_seq_len 是目标序列的长度，feature_dim 是特征的维度。
• value：值张量，形状为 (batch_dim, source_seq_len, feature_dim)，其中 batch_dim 是批次大小，source_seq_len 是源序列的长度，feature_dim 是特征的维度。
• key：可选的键张量，形状为 (batch_dim, source_seq_len, feature_dim)。如果未给出，则会同时使用 value 作为 key 和 value，这是最常见的情况。
• attention_mask：形状为 (batch_dim, target_seq_len, source_seq_len) 的布尔掩码，用于阻止对某些位置的注意力。布尔掩码指定哪些查询元素可以关注哪些键元素，其中 1 表示关注，0 表示不关注。对于缺失的批次维度和头维度，可以进行广播。
• return_attention_scores：布尔值，指示输出是否应为 (attention_output, attention_scores)（如果为 True），或 attention_output（如果为 False）。默认为 False。
• training：Python 布尔值，指示层是否应该处于训练模式（添加丢弃）或推理模式（不添加丢弃）。如果存在父层，则会使用父层/模型的训练模式，否则使用 False（推理）。
• use_causal_mask：布尔值，指示是否应用因果掩码以防止标记关注未来的标记（例如，在解码器 Transformer 中使用）。

返回值

• attention_output：计算结果，形状为 (batch_dim, target_seq_len, feature_dim)，其中 target_seq_len 是目标序列长度，feature_dim 是查询输入的最后一个维度。
• attention_scores：（可选）注意力系数，形状为 (batch_dim, num_query_heads, target_seq_len, source_seq_len)。