任务目标
基于Transformer实现英语翻译汉语。如有疏忽请多指教
数据
Hi. 嗨。
Hi. 你好。
Run. 你用跑的。
Wait! 等等!
Hello! 你好。
I try. 让我来。
I won! 我赢了。
Oh no! 不会吧。
Cheers! 乾杯!
Got it? 你懂了吗?
He ran. 他跑了。
Hop in. 跳进来。
I lost. 我迷失了。
I quit. 我退出。
I'm OK. 我沒事。
Listen. 听着。
No way! 不可能!
No way! 没门!
Really? 你确定?
Try it. 试试吧。
We try. 我们来试试。
Why me? 为什么是我?
…… ……
代码&数据来源
Github:transformer-simple
哈弗NLP
Transformer模型结构
Transformer的组成
1. Encoder
a. 若干个EncoderLayer(两个子层)
i. Feed Forward Neural Network
connected layer.子层间使用Add & Normalization 相连
ii. Self-Attention
2. Decoder
a. 若干个DecoderLayer(三个子层)
i. Feed Forward Neural Network
connected layer.子层间使用Add & Normalization 相连
ii. Encoder-Decoder-Attention,常规注意力机制
connected layer.子层间使用Add & Normalization 相连
iii. Self-Attention,自注意力机制
Batch and Masking
Mask策略一
一种就是普通的mask,就是自然语言处理中将某些字符(如标点符号,空格等)进行mask的操作
class Batch:
"""
Batches and Masking
"Object for holding a batch of data with mask during training." 在训练期间使用mask处理数据
"""
def __init__(self, src, trg=None, pad=0):
"""
构造函数
@param src: 源数据
@param trg: 目标数据
@param pad: 需要mask掉的字符,默认为0
一共有两种mask的方式:
一种就是普通的mask,就是自然语言处理中将某些字符(如标点符号,空格等)进行mask的操作
另一种就是对目标数据的mask,其原因是为了不让decoder在训练中看到后续的内容(即,我对于下一个字符的预测,只来源于前面的字符)
对于src的mask就是第一种mask,而对于tgt的mask是第一种加第二种
"""
src = torch.from_numpy(src).to(args.device).long()
trg = torch.from_numpy(trg).to(args.device).long()
self.src = src
self.src_mask = (src != pad).unsqueeze(-2)
if trg is not None:
self.trg = trg[:, :-1]
self.trg_y = trg[:, 1:]
self.trg_mask = self.make_std_mask(self.trg, pad)
self.ntokens = (self.trg_y != pad).data.sum()
@staticmethod
def make_std_mask(tgt, pad):
"""
mask 目标数据
"Create a mask to hide padding and future words." 翻译:创造一个mask来屏蔽补全词和字典外的词进行屏蔽
@param tgt: 即构造函数中的trg,目标数据
@param pad: 需要mask的字符,默认为0
@return: 返回mask后的目标数据
"""
tgt_mask = (tgt != pad).unsqueeze(-2)
tgt_mask = tgt_mask & Variable(subsequent_mask(tgt.size(-1)).type_as(tgt_mask.data))
return tgt_mask
Mask策略二
另一种就是对目标数据的mask,其原因是为了不让decoder在训练中看到后续的内容(即,我对于下一个字符的预测,只来源于前面的字符)
def subsequent_mask(size):
"""
第二种mask策略
"Mask out subsequent positions."
@param size: 句子长度
@return:
"""
attn_shape = (1, size, size)
subsequent_mask = np.triu(np.ones(attn_shape), k=1).astype('uint8')
return torch.from_numpy(subsequent_mask) == 0
make_model
构造Transformer模型
def make_model(src_vocab, tgt_vocab, N = 6, d_model = 512, d_ff = 2048, h = 8, dropout = 0.1):
"""
定义了一个接收超参数并生成完整模型的函数。
@param src_vocab: 源数据字典长度
@param tgt_vocab: 目标数据字典长度
@param N: 层数layer
@param d_model: 表征后的维度
@param d_ff: FeedForward输出维度
@param h: attention机制,head多头个数
@param dropout:
@return:
"""
c = copy.deepcopy
attn = MultiHeadedAttention(h, d_model).to(args.device)
ff = PositionwiseFeedForward(d_model, d_ff, dropout).to(args.device)
position = PositionalEncoding(d_model, dropout).to(args.device)
model = Transformer(
Encoder(EncoderLayer(d_model, c(attn), c(ff), dropout).to(args.device), N).to(args.device),
Decoder(DecoderLayer(d_model, c(attn), c(attn), c(ff), dropout).to(args.device), N).to(args.device),
nn.Sequential(Embeddings(d_model, src_vocab).to(args.device), c(position)),
nn.Sequential(Embeddings(d_model, tgt_vocab).to(args.device), c(position)),
Generator(d_model, tgt_vocab)).to(args.device)
for p in model.parameters():
if p.dim() > 1:
nn.init.xavier_uniform_(p)
return model.to(args.device)
模型核心代码
Transformer(EncoderDecoder)模型结构
class Transformer(nn.Module):
def __init__(self, encoder, decoder, src_embed, tgt_embed, generator):
super(Transformer, self).__init__()
self.encoder = encoder
self.decoder = decoder
self.src_embed = src_embed
self.tgt_embed = tgt_embed
self.generator = generator
def encode(self, src, src_mask):
"""
对src进行embedding,并嵌入位置信息
@param src: self.src_embed(src),调用self.src_embed对应类中的forward函数,对batch.src进行embedding操作
包含两个部分:一个是对输入的句子进行了embedding,第二个就是添加了位置信息
@param src_mask: batch中的masking后的源数据
@return: 调用nn.Embedding 对输入的src进行了向量化
"""
return self.encoder(self.src_embed(src), src_mask)
def decode(self, memory, src_mask, tgt, tgt_mask):
"""
对tgt进行embedding,并嵌入位置信息
@param memory: 下面forward()中的self.encode(src, src_mask)
@param src_mask:
@param tgt: tgt_embed的参数
@param tgt_mask:
@return:
"""
return self.decoder(self.tgt_embed(tgt), memory, src_mask, tgt_mask)
def forward(self, src, tgt, src_mask, tgt_mask):
"""
调用decode函数和encode函数,其中encode的输出作为decode的输入
@param src: encode的参数
@param tgt:
@param src_mask: encode和decode的参数
@param tgt_mask:
@return:
"""
return self.decode(self.encode(src, src_mask), src_mask, tgt, tgt_mask)
嵌入
Embedding
class Embeddings(nn.Module):
def __init__(self, d_model, vocab):
super(Embeddings, self).__init__()
self.lut = nn.Embedding(vocab, d_model)
self.d_model = d_model
def forward(self, x):
return self.lut(x) * math.sqrt(self.d_model)
PositionalEncoding
class PositionalEncoding(nn.Module):
"""
嵌入位置信息
"""
def __init__(self, d_model, dropout, max_len=5000):
super(PositionalEncoding, self).__init__()
self.dropout = nn.Dropout(p=dropout)
pe = torch.zeros(max_len, d_model, device=args.device)
position = torch.arange(0., max_len, device=args.device).unsqueeze(1)
div_term = torch.exp(torch.arange(0., d_model, 2, device=args.device) *- (math.log(10000.0) / d_model))
pe[:, 0::2] = torch.sin(position * div_term)
pe[:, 1::2] = torch.cos(position * div_term)
pe = pe.unsqueeze(0)
self.register_buffer('pe', pe)
def forward(self, x):
x = x + Variable(self.pe[:, :x.size(1)], requires_grad=False)
return self.dropout(x)
编码器
Encoder
"""
继承nn.Module,并重写构造函数forward函数
Q:何时调用forward函数?
A:实际上model(data)是等价于model.forward(data),因为Module中定义了__call__()函数,该函数调用了forward()函数
"""
class Encoder(nn.Module):
def __init__(self, layer, N):
super(Encoder, self).__init__()
self.layers = clones(layer, N)
self.norm = LayerNorm(layer.size)
def forward(self, x, mask):
for layer in self.layers:
x = layer(x, mask)
return self.norm(x)
EncoderLayer
class EncoderLayer(nn.Module):
"""
"Encoder is made up of self-attn and feed forward (defined below)"
"""
def __init__(self, size, self_attn, feed_forward, dropout):
super(EncoderLayer, self).__init__()
self.self_attn = self_attn
self.feed_forward = feed_forward
self.sublayer = clones(SublayerConnection(size, dropout), 2)
self.size = size
"""
SublayerConnection的作用就是把self_attn和feed_forward连在一起,只不过每一层输出之后都要先norm再残差
"""
def forward(self, x, mask):
x = self.sublayer[0](x, lambda x: self.self_attn(x, x, x, mask))
return self.sublayer[1](x, self.feed_forward)
残差连接层&正则层
正则层
class LayerNorm(nn.Module):
"""
#自己定义的Layer归一化,这个代码号称是不调用额外的包的,所以这个自己实现
#对应的就是上面图中黄色方块中的norm操作
"""
def __init__(self, features, eps=1e-6):
super(LayerNorm, self).__init__()
self.a_2 = nn.Parameter(torch.ones(features))
self.b_2 = nn.Parameter(torch.zeros(features))
self.eps = eps
def forward(self, x):
mean = x.mean(-1, keepdim=True)
std = x.std(-1, keepdim=True)
return self.a_2 * (x - mean) / (std + self.eps) + self.b_2
残差层
class SublayerConnection(nn.Module):
"""
子层之间的连接层(Add&Normal)
子层:self-Attention & Feed Forward Network
残差连接residual connection后面是layerNorm
其中Add代表了Residual Connection
通过将一部分的前一层的信息无差的传递到下一层,可以有效的提升模型性能,防止梯度消失,加快收敛
"""
def __init__(self, size, dropout):
super(SublayerConnection, self).__init__()
self.norm = LayerNorm(size)
self.dropout = nn.Dropout(dropout)
def forward(self, x, sublayer):
"""
前向逻辑
@param x: 上一层的输出
@param sublayer: 子层
@return:
"""
return x + self.dropout(sublayer(self.norm(x)))
注意力机制
多头注意力机制
class MultiHeadedAttention(nn.Module):
def __init__(self, h, d_model, dropout=0.1):
super(MultiHeadedAttention, self).__init__()
assert d_model % h == 0
self.d_k = d_model // h
self.h = h
self.linears = clones(nn.Linear(d_model, d_model), 4)
self.attn = None
self.dropout = nn.Dropout(p=dropout)
def forward(self, query, key, value, mask=None):
"""
query,key,value均为输入x,详见EncoderLayer类的forward函数
@param query:
@param key:
@param value:
@param mask:
@return:
"""
if mask is not None:
mask = mask.unsqueeze(1)
nbatches = query.size(0)
for l, x in zip(self.linears, (query, key, value)):
lx = l(x)
print(lx.view(nbatches, -1, self.h, self.d_k).shape)
print(l(x).view(nbatches, -1, self.h, self.d_k).transpose(1,2).shape)
query, key, value = \
[l(x).view(nbatches, -1, self.h, self.d_k).transpose(1, 2)
for l, x in zip(self.linears, (query, key, value))]
x, self.attn = attention(query, key, value, mask=mask, dropout=self.dropout)
x = x.transpose(1, 2).contiguous().view(nbatches, -1, self.h * self.d_k)
return self.linears[-1](x)
注意力分数计算
def attention(query, key, value, mask=None, dropout=None):
"""
Compute 'Scaled Dot Product Attention
@param query: (batch, #head头数, sequence length, feature dimension(d_k))
@param key: (batch, #head头数, sequence length, feature dimension(d_k))
@param value: K和Q的shape必须相同的,而V可以不同
@param mask: (batch, 1, sequence length, sequence length)
@param dropout:
@return: p_attn,将注意力分数转换为概率的矩阵,p_attn与value的乘积
"""
d_k = query.size(-1)
"""
torch.matmul() tensor乘法
高维矩阵遵循的原则是:在多维矩阵相乘中,需最后两维满足shape匹配原则,最后两维才是有数据的矩阵,前面的维度只是矩阵的排列而已!
这也是在MultiHeadedAttention这个函数中将数据输入attention函数时要进行transpose的原因
因为只有seq_length跟 embedding才是要进行注意力点乘的关键啊,其他俩维度只是排列而已啊
"""
scores = torch.matmul(query, key.transpose(-2, -1)) / math.sqrt(d_k)
if mask is not None:
scores = scores.masked_fill(mask == 0, -1e9)
p_attn = F.softmax(scores, dim=-1)
if dropout is not None:
p_attn = dropout(p_attn)
return torch.matmul(p_attn, value), p_attn
前馈层
class PositionwiseFeedForward(nn.Module):
def __init__(self, d_model, d_ff, dropout=0.1):
super(PositionwiseFeedForward, self).__init__()
self.w_1 = nn.Linear(d_model, d_ff)
self.w_2 = nn.Linear(d_ff, d_model)
self.dropout = nn.Dropout(dropout)
def forward(self, x):
return self.w_2(self.dropout(F.relu(self.w_1(x))))
解码器
Decoder
class Decoder(nn.Module):
def __init__(self, layer, N):
super(Decoder, self).__init__()
self.layers = clones(layer, N)
self.norm = LayerNorm(layer.size)
def forward(self, x, memory, src_mask, tgt_mask):
"""
@param x: 每个DecoderLayer的输出,即DecoderLayer层之间的信息流动
@param memory: 是Encoder的输出
@param src_mask: Encoder的mask用于padding
@param tgt_mask: Decoder的mask用于隐藏后面的单词的输出
@return:
"""
for layer in self.layers:
x = layer(x, memory, src_mask, tgt_mask)
return self.norm(x)
DecoderLayer
class DecoderLayer(nn.Module):
"""
每个DecoderLayer包含三个子层
"""
def __init__(self, size, self_attn, src_attn, feed_forward, dropout):
super(DecoderLayer, self).__init__()
self.size = size
self.self_attn = self_attn
self.src_attn = src_attn
self.feed_forward = feed_forward
self.sublayer = clones(SublayerConnection(size, dropout), 3)
def forward(self, x, memory, src_mask, tgt_mask):
m = memory
x = self.sublayer[0](x, lambda x: self.self_attn(x, x, x, tgt_mask))
x = self.sublayer[1](x, lambda x: self.src_attn(x, m, m, src_mask))
return self.sublayer[2](x, self.feed_forward)
阅读源代码过程中的参考资料
[En]
Reference materials in the process of reading source code
- Transformer代码记录整理
- 第二章:Transformer架构解析
- Transformer代码详解
- Transformer代码阅读
- pytorch yield
- unsqueeze和sequeeze
- np.triu()的用法
- nn.Sequential
- PositionalEmbedding
- python中copy()和deepcopy()详解
- make_model()中 nn.init.xavier_uniform_()初始化
- 深度学习中的Normalization
- 残差连接和归一化层
- zip函数
- nn.Module()什么时候调用forward()函数=>call ()函数
- torch.matmul()用法介绍
- 多维tensor的相乘到底在乘什么
- pytorch broadcasting广播
- pytorch transpose与contiguous
- Linear、Dense、MLP、FC的区别
- 保姆级硬核图解Transformer
Original: https://blog.csdn.net/weixin_44343282/article/details/124575684
Author: 九筒-
Title: 机器翻译实战(英译汉)Transformer代码学习详解
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/527447/
转载文章受原作者版权保护。转载请注明原作者出处!