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 等人在 2023 年提出的分组查询注意力的实现。这里 num_key_value_heads 表示组的数量，将 num_key_value_heads 设置为 1 等同于多查询注意力，当 num_key_value_heads 等于 num_query_heads 时，它等同于多头注意力。

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

然后，将 query 缩放并与 key 张量进行点积运算。这些结果通过 softmax 函数获得注意力概率。然后，值张量通过这些概率进行插值，并连接回单个张量。

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: 键和值注意力头的数量。
• dropout: Dropout 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，则该层会尝试在可能的情况下使用 flash attention 以获得更快、更节省内存的注意力计算。可以使用 keras.config.enable_flash_attention() 或 keras.config.disable_flash_attention() 配置此行为。
• kernel_initializer: 密集层内核的初始化器。
• bias_initializer: 密集层偏置的初始化器。
• kernel_regularizer: 密集层内核的正则化器。
• bias_regularizer: 密集层偏置的正则化器。
• activity_regularizer: 密集层活动的正则化器。
• kernel_constraint: 密集层内核的约束。
• bias_constraint: 密集层偏置的约束。
• seed: 可选整数，用于为 dropout 层设定种子。

调用参数

• query: 形状为 (batch_dim, target_seq_len, feature_dim) 的查询张量，其中 batch_dim 是批大小，target_seq_len 是目标序列的长度，feature_dim 是特征的维度。
• value: 形状为 (batch_dim, source_seq_len, feature_dim) 的值张量，其中 batch_dim 是批大小，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，将使用 value 同时作为 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。广播可以发生在缺失的批次维度和头维度上。
• return_attention_scores: 布尔值，指示如果为 True，输出应为 (attention_output, attention_scores)，如果为 False，则为 attention_output。默认为 False。
• training: 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，将使用父层/模型的训练模式或 False（推理）。
• use_causal_mask: 布尔值，指示是否应用因果掩码以防止 token 关注未来的 token（例如，在解码器 Transformer 中使用）。

返回

• 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)。