比较与torch.nn.TransformerDecoderLayer的功能差异

torch.nn.TransformerDecoderLayer

torch.nn.TransformerDecoderLayer(d_model, nhead, dim_feedforward=2048, dropout=0.1, activation=<function relu>, layer_norm_eps=1e-05, batch_first=False, norm_first=False, device=None, dtype=None)

更多内容详见torch.nn.TransformerDecoderLayer。

mindspore.nn.transformer.TransformerDecoderLayer

class mindspore.nn.transformer.TransformerDecoderLayer(hidden_size, ffn_hidden_size, num_heads, batch_size, src_seq_length, tgt_seq_length, attention_dropout_rate=0.1, hidden_dropout_rate=0.1, post_layernorm_residual=False, use_past=False, layernorm_compute_type=mstype.float32, softmax_compute_type=mstype.float32, param_init_type=mstype.float32, hidden_act="gelu", moe_config=default_moe_config, parallel_config=default_dpmp_config)(
    hidden_stats, decoder_mask, encoder_output=None,
    memory_mask=None, init_reset=True, batch_valid_length=None
)

更多内容详见mindspore.nn.transformer.TransformerDecoderLayer。

使用方式

mindspore.nn.transformer.TransformerDecoderLayer在初始化参数和torch.nn.TransformerDecoderLayer并不完全相同，但是基本功能保持一致。具体的区别如下说明：

mindspore.nn.transformer.TransformerDecoderLayer	torch.nn.TransformerDecoderLayer	说明
hidden_size	d_model	参数名称不一致，含义相同。
ffn_hidden_size	dim_feedforward	参数名称不一致，含义相同。
num_heads	nhead	Attention的head数目，含义相同。
batch_size		MindSpore需要传入额外的batch size以作校验和增量推理使用。
src_seq_length		encoder输入序列长度。
tgt_seq_length		decoder输入序列长度。
attention_dropout_rate	dropout	含义不同。attention_dropout_rate表示在softmax处的dropout，而PyTorch的dropout参数额外控制了隐藏层的dropout rate。
hidden_dropout_rate	dropout	含义不同。hidden_dropout_rate表示在隐藏层处的dropout，而PyTorch的dropout参数额外控制了softmax处的dropout rate。
post_layernorm_residual	norm_first	含义不同。MindSpore的该参数表示残差相加时对输入是否应用layernorm，而PyTorch表示输入子层时是否先输入layernorm。
use_past		是否使用增量推理。
layernorm_compute_type		控制layernorm的计算类型。
softmax_compute_type		控制attention中softmax的计算类型。
param_init_type		控制参数初始化的类型。
hidden_act	activation	激活层的类型，含义相同。MindSpore仅支持字符串。
lambda_func		控制并行的相关配置，详见API文档。
moe_config		MoE并行的配置参数。
parallel_config		并行设置的配置参数。
	layer_norm_eps	layernorm计算时防止初零的数值。
	batch_first	输入输出Tensor中batch是否为第0维度。MindSpore以第0个维度为batch维度，对应于torch.nn.TransformerDecoderLayer中设置bathc_first=True。

mindspore.nn.transformer.TransformerDecoderLayer缺少tgt_key_padding_mask和emory_key_padding_mask的输入。
mindspore.nn.transformer.TransformerDecoderLayer提供了静态图的增量推理功能。
mindspore.nn.transformer.TransformerDecoderLayer默认采用fp16进行矩阵运算。
mindspore.nn.transformer.TransformerDecoderLayer的输入中attention_mask是必须输入的。
mindspore.nn.transformer.TransformerDecoderLayer会返回以及encoder, decoder中每层attention的key,value的历史值。
mindspore.nn.transformer.TransformerDecoderLayer提供了并行配置parallel_config入参，可以实现混合并行。

PyTorch：实例化Transformer时需要提供的参数较少。

MindSpore：在类初始化的时候，需要提供batch_size、源序列和目标序列长度等额外信息，并且在计算时需要输入decoder_mask。

代码示例

import numpy as np
import mindspore as ms
from mindspore.nn.transformer import TransformerDecoderLayer
model = TransformerDecoderLayer(batch_size=32, hidden_size=512, ffn_hidden_size=2048,
                                num_heads=8, src_seq_length=10, tgt_seq_length=20)
encoder_input_value = ms.Tensor(np.ones((32, 10, 512)), ms.float32)
decoder_input_value = ms.Tensor(np.ones((32, 20, 512)), ms.float32)
decoder_input_mask = ms.Tensor(np.ones((32, 20, 20)), ms.float16)
memory_mask = ms.Tensor(np.ones((32, 20, 10)), ms.float16)
output, past = model(decoder_input_value, decoder_input_mask, encoder_input_value, memory_mask)
print(output.shape)
# output:
# (32, 20, 512)

import torch
decoder_layer = torch.nn.TransformerDecoderLayer(d_model=512, nhead=8)
memory = torch.rand(10, 32, 512)
tgt = torch.rand(20, 32, 512)
output = decoder_layer(tgt, memory)
print(output.shape)
# output:
# torch.Size([20, 32, 512])