forked from mindspore-Ecosystem/mindspore
34 lines
2.6 KiB
ReStructuredText
34 lines
2.6 KiB
ReStructuredText
mindspore.nn.Transformer
|
||
========================================
|
||
|
||
.. py:class:: mindspore.nn.Transformer(d_model: int = 512, nhead: int = 8, num_encoder_layers: int = 6, num_decoder_layers: int = 6, dim_feedforward: int = 2048, dropout: float = 0.1, activation: Union[str, Cell] = 'relu', custom_encoder: Optional[Cell] = None, custom_decoder: Optional[Cell] = None, layer_norm_eps: float = 1e-5, batch_first: bool = False, norm_first: bool = False)
|
||
|
||
Transformer模块，包括编码器和解码器。本模块与原论文的实现不同，原论文在LayerNorm前使用了残差模块。且默认的隐藏层激活函数为 `gelu` 。详情可见 `Attention is all you need <https://arxiv.org/pdf/1706.03762v5.pdf>`_ 。
|
||
|
||
参数：
|
||
- **d_model** (int) - Encoder或Decoder输入的特征数。默认：512。
|
||
- **nhead** (int) - 注意力头的数量。
|
||
- **num_encoder_layers** (int) - Encoder的层数。默认：6。
|
||
- **num_decoder_layers** (int) - Decoder的层数。默认：6。
|
||
- **dim_feedforward** (int) - FeedForward层的维数。默认：2048。
|
||
- **dropout** (float) - 随机丢弃比例。默认：0.1。
|
||
- **activation** (str, Cell) - Encoder或Decoder中间层的激活函数，可以输入字符串、函数接口或激活函数层实例。支持"relu"、"gelu"。默认："relu"。
|
||
- **custom_encoder** (Cell) - 自定义Encoder层。默认：None。
|
||
- **custom_decoder** (Cell) - 自定义Decoder层。默认：None。
|
||
- **layer_norm_eps** (float) - LayerNorm层的eps值，默认：1e-5。
|
||
- **batch_first** (bool) - 如果为 ``True`` 则输入输出Shape为(batch, seq, feature)，反之，Shape为(seq, batch, feature)。默认： ``False``。
|
||
- **norm_first** (bool) - 如果为 ``True``，则LayerNorm层位于MultiheadAttention层和FeedForward层之前，反之，位于其后。默认： ``False``。
|
||
|
||
输入：
|
||
- **src** (Tensor) - 源序列。
|
||
- **tgt** (Tensor) - 目标序列。
|
||
- **src_mask** (Tensor) - 源序列的掩码矩阵 (可选)。默认：None。
|
||
- **tgt_mask** (Tensor) - 目标序列的掩码矩阵 (可选)。默认：None。
|
||
- **memory_mask** (Tensor) - memory序列的掩码矩阵 (可选)。默认：None。
|
||
- **src_key_padding_mask** (Tensor) - 源序列Key矩阵的掩码矩阵 (可选)。默认：None。
|
||
- **tgt_key_padding_mask** (Tensor) - 目标序列Key矩阵的掩码矩阵 (可选)。默认：None。
|
||
- **memory_key_padding_mask** (Tensor) - memory序列Key矩阵的掩码矩阵 (可选)。默认：None。
|
||
|
||
输出：
|
||
Tensor。
|