Transformer自注意力机制

Transformer中的自注意力机制（Self-Attention）是一种用于建模序列数据之间关系的机制。它通过计算每个输入元素与其他元素之间的相关性得分，从而为每个元素分配一个权重。这些权重用于加权求和，以生成每个元素的表示。

自注意力机制的计算过程如下：
1. 首先，通过将输入序列映射到查询（Query）、键（Key）和值（Value）空间来生成查询、键和值向量。
2. 接下来，计算查询向量与所有键向量的点积，然后对结果进行缩放以控制梯度大小。
3. 将缩放后的点积结果输入到softmax函数中，以获得注意力权重。
4. 使用注意力权重对值向量进行加权求和，得到自注意力机制的输出。

通过自注意力机制，Transformer能够在不同位置的输入元素之间建立长距离的依赖关系，从而更好地捕捉序列中的上下文信息。

以下是一个使用自注意力机制的Transformer示例代码：

import torch
import torch.nn as nn

class SelfAttention(nn.Module):
    def __init__(self, input_dim, hidden_dim):
        super(SelfAttention, self).__init__()
        self.query = nn.Linear(input_dim, hidden_dim)
        self.key = nn.Linear(input_dim, hidden_dim)
        self.value = nn.Linear(input_dim, hidden_dim)
        self.softmax = nn.Softmax(dim=-1)
        
    def forward(self, x):
        q = self.query(x)
        k = self.key(x)
        v = self.value(x)
        
        scores = torch.matmul(q, k.transpose(-2, -1))
        scores = scores / torch.sqrt(torch.tensor(q.size(-1), dtype=torch.float32))
        attention_weights = self.softmax(scores)
        
        output = torch.matmul(attention_weights, v)
        return output

# 使用自注意力机制的Transformer模型
class Transformer(nn.Module):
    def __init__(self, input_dim, hidden_dim, num_layers):
        super(Transformer, self).__init__()
        self.attention = SelfAttention(input_dim, hidden_dim)
        self.layers = nn.ModuleList([nn.Linear(hidden_dim, hidden_dim) for _ in range(num_layers)])
        
    def forward(self, x):
        output = self.attention(x)
        for layer in self.layers:
            output = layer(output)
        return output

# 创建一个输入序列
input_seq = torch.randn(10, 20)  # 输入序列长度为10，每个元素的维度为20

# 创建一个Transformer模型
transformer = Transformer(input_dim=20, hidden_dim=64, num_layers=2)

# 使用Transformer模型进行前向传播
output = transformer(input_seq)
print(output.shape)  # 输出：torch.Size([10, 20])