mindspore.nn.TransformerDecoderLayer

class mindspore.nn.TransformerDecoderLayer(d_model: int, nhead: int, dim_feedforward: int = 2048, dropout: float = 0.1, activation: Union[str, Cell, callable] = 'relu', layer_norm_eps: float = 1e-05, batch_first: bool = False, norm_first: bool = False)[源代码]

Transformer的解码器层。Transformer解码器的单层实现，包括Self Attention层、MultiheadAttention层和FeedForward层。

参数：

d_model (int) - 输入的特征数。
nhead (int) - 注意力头的数量。
dim_feedforward (int) - FeedForward层的维数。默认值：2048。
dropout (float) - 随机丢弃比例。默认值：0.1。
activation (Union[str, callable, Cell]) - 中间层的激活函数，可以输入字符串（"relu"、"gelu"）、函数接口（ops.relu、ops.gelu）或激活函数层实例（nn.ReLU()、nn.GELU()）。默认值："relu"。
layer_norm_eps (float) - LayerNorm层的eps值，默认值：1e-5。
batch_first (bool) - 如果为 True 则输入输出Shape为 \((batch, seq, feature)\) ，反之，Shape为 \((seq, batch, feature)\) 。默认值： False。
norm_first (bool) - 如果为 True，则LayerNorm层位于Self Attention层、MultiheadAttention层和FeedForward层之前，反之，位于其后。默认值： False。

输入：

tgt (Tensor) - 目标序列。
memory (Tensor) - TransformerEncoder的最后一层输出序列。
tgt_mask (Tensor, 可选) - 目标序列的掩码矩阵。默认值：None。
memory_mask (Tensor, 可选) - memory序列的掩码矩阵。默认值：None。
tgt_key_padding_mask (Tensor, 可选) - 目标序列Key矩阵的掩码矩阵。默认值：None。
memory_key_padding_mask (Tensor, 可选) - memory序列Key矩阵的掩码矩阵∂。默认值：None。

输出：

Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> decoder_layer = nn.TransformerDecoderLayer(d_model=512, nhead=8)
>>> memory = Tensor(np.random.rand(10, 32, 512), mindspore.float32)
>>> tgt = Tensor(np.random.rand(20, 32, 512), mindspore.float32)
>>> out = decoder_layer(tgt, memory)
>>> # Alternatively, when `batch_first` is ``True``:
>>> decoder_layer = nn.TransformerDecoderLayer(d_model=512, nhead=8, batch_first=True)
>>> memory = Tensor(np.random.rand(32, 10, 512), mindspore.float32)
>>> tgt = Tensor(np.random.rand(32, 20, 512), mindspore.float32)
>>> out = decoder_layer(tgt, memory)
>>> print(out.shape)
(32, 20, 512)