GroupQueryAttention

[源]

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（Grouped Query Attention）层。

这是由 Ainslie et al., 2023 提出的分组查询注意力（grouped-query attention）的实现。此处 num_key_value_heads 表示分组数量，将 num_key_value_heads 设置为 1 等同于多查询注意力（multi-query attention），当 num_key_value_heads 等于 num_query_heads 时，它等同于多头注意力（multi-head attention）。

该层首先对 query、key 和 value 张量进行投影。然后，重复 key 和 value 以匹配 query 的头数。

接着，对 query 进行缩放并与 key 张量进行点积。对结果进行 Softmax 运算以获得注意力概率。然后，根据这些概率对 value 张量进行插值，并拼接回单个张量。

参数

• head_dim: 每个注意力头的大小。
• num_query_heads: 查询注意力头的数量。
• num_key_value_heads: key 和 value 注意力头的数量。
• dropout: Dropout 概率。
• use_bias: 布尔值，表示全连接层是否使用偏置向量/矩阵。
• flash_attention: 如果为 None，则层在可能的情况下会尝试使用 Flash Attention 以进行更快、更省内存的注意力计算。此行为可通过 keras.config.enable_flash_attention() 或 keras.config.disable_flash_attention() 进行配置。
• kernel_initializer: 全连接层权重（kernel）的初始化器。
• bias_initializer: 全连接层偏置的初始化器。
• kernel_regularizer: 全连接层权重（kernel）的正则化器。
• bias_regularizer: 全连接层偏置的正则化器。
• activity_regularizer: 全连接层输出的正则化器。
• kernel_constraint: 全连接层权重（kernel）的约束。
• bias_constraint: 全连接层权重（kernel）的约束。
• seed: Dropout 层的可选整数种子。

Call 参数

• query: query 张量，形状为 (batch_dim, target_seq_len, feature_dim)，其中 batch_dim 是批量大小，target_seq_len 是目标序列长度，feature_dim 是特征维度。
• value: value 张量，形状为 (batch_dim, source_seq_len, feature_dim)，其中 batch_dim 是批量大小，source_seq_len 是源序列长度，feature_dim 是特征维度。
• key: 可选的 key 张量，形状为 (batch_dim, source_seq_len, feature_dim)。如果未给出，将使用 value 作为 key 和 value，这是最常见的情况。
• attention_mask: 一个布尔掩码，形状为 (batch_dim, target_seq_len, source_seq_len)，用于阻止对某些位置的注意力计算。该布尔掩码指定哪些 query 元素可以关注哪些 key 元素，其中 1 表示允许注意力计算，0 表示不允许。对于缺失的批量维度和头维度，可以进行广播。
• return_attention_scores: 一个布尔值，指示当为 True 时输出是否应为 (attention_output, attention_scores)，当为 False 时输出是否应为 attention_output。默认为 False。
• training: 一个 Python 布尔值，指示层应在训练模式（添加 dropout）还是推理模式（无 dropout）下运行。如果没有父层，则将采用父层/模型的训练模式；否则为 False（推理）。
• use_causal_mask: 一个布尔值，指示是否应用因果掩码（causal mask）以防止 token 关注未来的 token (例如，用于解码器 Transformer)。

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 query 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)。