多头注意力层

[源码]

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
)

多头注意力层。

这是对论文“Attention is all you Need” Vaswani 等人，2017 中描述的多头注意力的实现。如果 query、key、value 相同，则这是自注意力。 query 中的每个时间步都会关注 key 中的相应序列，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 维度>, key_dim)、(batch_size, <key/value 维度>, key_dim)、(batch_size, <key/value 维度>, value_dim)。

然后，将查询张量和键张量进行点积并缩放。这些经过 softmax 处理以获得注意力概率。然后，值张量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: 每个注意力头对于查询和键的大小。
• value_dim: 每个注意力头对于值的大小。
• dropout: Dropout 概率。
• use_bias: 布尔值，表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。如果未指定，则投影回查询特征维度（查询输入的最后一个维度）。
• attention_axes: 应用注意力的轴。None 表示对所有轴进行注意力，除了批次、头和特征。
• flash_attention: 如果为 None，则该层会尝试使用闪存注意力以在可能的情况下进行更快、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: 密集层活动的正则化器。
• kernel_constraint: 密集层核的约束。
• bias_constraint: 密集层偏置的约束。
• seed: 用于对 dropout 层进行种子的可选整数。

调用参数

• query: 形状为 (B, T, dim) 的查询张量，其中 B 是批次大小，T 是目标序列长度，而 dim 是特征维度。
• value: 形状为 (B, S, dim) 的值张量，其中 B 是批次大小，S 是源序列长度，而 dim 是特征维度。
• key: 可选的形状为 (B, S, dim) 的键张量。如果未给出，则将 value 用于 key 和 value，这是最常见的情况。
• attention_mask: 形状为 (B, T, S) 的布尔掩码，用于防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，1 表示关注，0 表示不关注。对于缺失的批次维度和头维度，可以发生广播。
• return_attention_scores: 一个布尔值，指示如果为 True，则输出应为 (attention_output, attention_scores)，如果为 False，则输出应为 attention_output。默认为 False。
• training: Python 布尔值，指示该层应在训练模式（添加 dropout）还是在推理模式（无 dropout）下运行。如果父层/模型没有训练模式，则将使用父层/模型的训练模式，或者使用 False（推理）。
• use_causal_mask: 一个布尔值，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 (B, T, E)，其中 T 用于目标序列形状，如果 output_shape 为 None，则 E 是查询输入最后一个维度。否则，多头输出将被投影到 output_shape 指定的形状。
• attention_scores: (可选) 注意力轴上的多头注意力系数。