MultiHeadAttention 层

[源代码]

MultiHeadAttention 类

keras.layers.MultiHeadAttention(
    num_heads,
    key_dim,
    value_dim=None,
    dropout=0.0,
    use_bias=True,
    output_shape=None,
    attention_axes=None,
    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
)

MultiHeadAttention 层。

这是对论文“Attention is all you Need”（Vaswani et al., 2017）中描述的多头注意力机制的实现。如果 query、key 和 value 相同，则这是自注意力机制。query 中的每个时间步都会关注 key 中相应的序列，并返回一个固定宽度的向量。

此层首先投影 query、key 和 value。这些（实际上）是长度为 num_attention_heads 的张量列表，其中相应的形状为 (batch_size, <query dimensions>, key_dim)、(batch_size, <key/value dimensions>, key_dim)、(batch_size, <key/value dimensions>, value_dim)。

然后，query 和 key 张量进行点积和缩放。这些张量通过 softmax 函数获得注意力概率。value 张量然后通过这些概率进行插值，然后连接回单个张量。

最后，最后一个维度为 value_dim 的结果张量可以进行线性投影并返回。

参数

• num_heads: 注意力头的数量。
• key_dim: 每个注意力头中 query 和 key 的大小。
• value_dim: 每个注意力头中 value 的大小。
• dropout: Dropout 概率。
• use_bias: 布尔值，指示密集层是否使用偏置向量/矩阵。
• output_shape: 输出张量的预期形状，除了批次和序列维度之外。如果未指定，则投影回 query 特征维度（query 输入的最后一个维度）。
• attention_axes: 应用注意力的轴。None 表示对所有轴应用注意力，但批次、头和特征轴除外。
• 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。此行为可以使用 keras.config.enable_flash_attention() 或 keras.config.disable_flash_attention() 进行配置。
• 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: 密集层内核的约束。
• seed: 可选整数，用于为 dropout 层设定种子。

调用参数

• query: 形状为 (B, T, dim) 的 Query 张量，其中 B 是批次大小，T 是目标序列长度，dim 是特征维度。
• value: 形状为 (B, S, dim) 的 Value 张量，其中 B 是批次大小，S 是源序列长度，dim 是特征维度。
• key: 可选的形状为 (B, S, dim) 的 Key 张量。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 (B, T, S) 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 query 元素可以关注哪些 key 元素，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: 一个布尔值，指示如果为 True，输出应为 (attention_output, attention_scores)，如果为 False，则输出为 attention_output。默认为 False。
• training: Python 布尔值，指示该层应在训练模式（添加 dropout）还是推理模式（无 dropout）下运行。将使用父层/模型的训练模式，或者如果没有父层，则使用 False（推理模式）。
• use_causal_mask: 一个布尔值，指示是否应用因果掩码以防止 tokens 关注未来的 tokens（例如，在解码器 Transformer 中使用）。

返回

• attention_output: 计算结果，形状为 (B, T, E)，其中 T 用于目标序列形状，如果 output_shape 为 None，则 E 为 query 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。
• attention_scores: (可选) 跨注意力轴的多头注意力系数。