mindspore.nn.MultiheadAttention

查看源文件
class mindspore.nn.MultiheadAttention(embed_dim, num_heads, dropout=0.0, has_bias=True, add_bias_kv=False, add_zero_attn=False, kdim=None, vdim=None, batch_first=False, dtype=mstype.float32)[源代码]

论文 Attention Is All You Need 中所述的多头注意力的实现。给定query向量，key向量和value向量，注意力计算流程如下：

\[MultiHeadAttention(query, key, value) = Concat(head_1, \dots, head_h)W^O\]

其中， \(head_i = Attention(QW_i^Q, KW_i^K, VW_i^V)\) ， \(W^O\) 、 \(W_i^Q\) 、 \(W_i^K\) 、 \(W_i^V\) 是权重矩阵。注意：默认输入、输出投影层中带有偏置参数。

如果query、key和value相同，则上述即为自注意力机制的计算过程。

参数：

  • embed_dim (int) - 模型的总维数。

  • num_heads (int) - 并行注意力头的数量。num_heads 需要能够整除 embed_dim （每个头的维数为 embed_dim // num_heads ）。

  • dropout (float) - 应用到输入 attn_output_weights 上的随机丢弃比例. 默认值： 0.0。

  • has_bias (bool) - 是否给输入、输出投射层添加偏置。默认值： True。

  • add_bias_kv (bool) - 是否给key、value序列的零维添加偏置。默认值： False。

  • add_zero_attn (bool) - 是否给key、value序列的一维添加0。默认值： False。

  • kdim (int) - key的总特征数。默认值： None （即 kdim=embed_dim）。

  • vdim (int) - value的总特征数。默认值：None （即 vdim=embed_dim）。

  • batch_first (bool) - 如果为 True，则输入输出Tensor的shape为 \((batch, seq, feature)\) ，否则shape为 \((seq, batch, feature)\) 。 默认值： False 。

  • dtype (mindspore.dtype) - Parameter的数据类型。默认值： mstype.float32 。

输入：

  • query (Tensor) - Query矩阵。当输入非Batch数据时，shape为： \((L, E_q)\) 。当输入Batch数据，参数 batch_first=False 时，shape为 \((L, N, E_q)\) ， 当 batch_first=True 时，shape为 \((N, L, E_q)\)。其中， \(L\) 为目标序列的长度， \(N\) 为batch size，\(E_q\) 为Query矩阵的维数 embed_dim。 数据类型：float16、float32或者float64。注意力机制通过Query与Key-Value运算以生成最终输出。

  • key (Tensor) - Key矩阵。当输入非Batch数据时，shape为： \((S, E_k)\) 。当输入Batch数据，参数 batch_first=False 时，shape为 \((S, N, E_k)\) ， 当 batch_first=True 时，shape为 \((N, S, E_k)\)。其中， \(S\) 为源序列的长度， \(N\) 为batch size，\(E_k\) 为Key矩阵的维数 kdim。数据类型：float16、float32或者float64。

  • value (Tensor) - Value矩阵。当输入非Batch数据时，shape为： \((S, E_v)\) 。当输入Batch数据，参数 batch_first=False 时，shape为 \((S, N, E_v)\) ， 当 batch_first=True 时，shape为 \((N, S, E_v)\)。其中， \(S\) 为源序列的长度， \(N\) 为batch size，\(E_v\) 为Key矩阵的维数 vdim。数据类型：float16、float32或者float64。

  • key_padding_mask (Tensor, 可选) - 如果指定此值，则表示shape为 \((N, S)\) 的掩码将被用于 key。当输入非Batch数据时，shape为： \((S)\) 。支持Bool和float类型。 如果输入Tensor为Bool类型，则 key 中对应为 True 的位置将在Attention计算时被忽略。如果输入Tensor为float类型，则将直接与 key 相加。float支持数据类型：float16、float32或者float64。默认值：None。

  • need_weights (bool) - 是否需要返回 attn_output_weights，如果为 True，则输出包含 attn_output_weights。默认值：True。

  • attn_mask (Tensor, 可选) - 如果指定此值，则表示shape为 \((L, S)\) 或 \((N\cdot\text{num_heads}, L, S)\) 的掩码将被用于Attention计算。其中 \(N\) 为batch size， \(L\) 为目标序列长度，\(S\) 为源序列长度。如果输入为二维矩阵，则将自动沿batch维广播至三维矩阵。若为三维矩阵，则允许沿batch维使用不同的掩码。如果输入Tensor为Bool类型，则值为 True 对应位置允许被注意力计算。如果输入Tensor为float类型，则将直接与注意力权重相加。float支持数据类型：float16、float32或者float64。默认值：None。

  • average_attn_weights (bool) - 如果为 True， 则返回值 attn_weights 为注意力头的平均值。如果为 False，则 attn_weights 分别返回每个注意力头的值。 本参数仅在 need_weights=True 时生效。默认值： True 。

输出：

Tuple，表示一个包含(attn_output, attn_output_weights)的元组。

  • attn_output - 注意力机制的输出。当输入非Batch数据时，shape为： \((L, E)\) 。当输入Batch数据， 参数 batch_first=False 时，shape为 \((L, N, E)\) ， 当 batch_first=True 时，shape为 \((N, L, E)\)。其中， \(L\) 为目标序列的长度， \(N\) 为batch size， \(E\) 为模型的总维数 embed_dim。

  • attn_output_weights - 仅当 need_weights=True 时返回。如果 average_attn_weights=True，则返回值 attn_weights 为注意力头的平均值。当输入非Batch数据时， shape为： \((L, S)\) ，当输入Batch数据时，shape为 \((N, L, S)\)。其中 \(N\) 为batch size， \(L\) 为目标序列的长度，\(S\) 为源序列长度。 如果 average_attn_weights=False ，分别返回每个注意力头的值。当输入非Batch数据时，shape为： \((\text{num_heads}, L, S)\) ，当输入Batch数据时，shape为 \((N, \text{num_heads}, L, S)\)。

异常：

  • ValueError - 如果 embed_dim 不能被 num_heads 整除。

  • TypeError - 如果 key_padding_mask 不是bool或float类型。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> embed_dim, num_heads = 128, 8
>>> seq_length, batch_size = 10, 8
>>> query = ms.Tensor(np.random.randn(seq_length, batch_size, embed_dim), ms.float32)
>>> key = ms.Tensor(np.random.randn(seq_length, batch_size, embed_dim), ms.float32)
>>> value = ms.Tensor(np.random.randn(seq_length, batch_size, embed_dim), ms.float32)
>>> multihead_attn = ms.nn.MultiheadAttention(embed_dim, num_heads)
>>> attn_output, attn_output_weights = multihead_attn(query, key, value)
>>> print(attn_output.shape)
(10, 8, 128)