【大规模语言模型:从理论到实践】Transformer中PositionalEncoder详解

本文主要是介绍【大规模语言模型:从理论到实践】Transformer中PositionalEncoder详解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

书籍链接:大规模语言模型:从理论到实践

第15页位置表示层代码详解
PositionalEncoder

1. 构造函数 __init__()

def __init__(self, d_model, max_seq_len=80):super().__init__()self.d_model = d_model  # 嵌入的维度(embedding dimension)
  • d_model: 表示输入词向量的维度。
  • max_seq_len: 表示句子的最大长度(最大序列长度)。
  • self.d_model: 保存词嵌入的维度。
创建 PE 矩阵
pe = torch.zeros(max_seq_len, d_model)
for pos in range(max_seq_len):for i in range(0, d_model, 2):pe[pos, i] = math.sin(pos / (10000 ** ((2 * i)/d_model)))pe[pos, i + 1] = math.cos(pos / (10000 ** ((2 * (i + 1))/d_model)))

这里,我们为所有可能的位置 pos 和维度 i 生成了位置编码矩阵 pe。编码规则是使用正弦和余弦函数来生成位置编码:

  • 对于每个位置 pos,在每个嵌入维度 i 上:

    • 奇数维度使用正弦函数 sin(pos / 10000^(2i/d_model))
    • 偶数维度使用余弦函数 cos(pos / 10000^(2i/d_model))

    这样做的好处是,正弦和余弦函数生成了一个平滑的周期性变化,使得位置编码具有一定的连续性和距离信息。

pe = pe.unsqueeze(0)
self.register_buffer('pe', pe)
  • pe.unsqueeze(0):将 pe 的第一个维度扩展为 1,这是为了便于后续将其与输入批次结合在一起。
  • register_buffer:将 pe 作为一个不可训练的参数(Tensor),并注册为模型的一部分,以确保其在模型的 .cuda().to(device) 等操作时也能够转移到对应设备上。

2. 前向传播 forward()

def forward(self, x):x = x * math.sqrt(self.d_model)  # 对输入乘以嵌入维度的平方根,使得它们的值更大一些
  • 这里的 x 是输入的词嵌入(word embeddings),即一个形状为 [batch_size, seq_len, d_model] 的张量。
  • x = x * math.sqrt(self.d_model):这一行操作是为了放大嵌入值,使得单词嵌入值的范围更加合适。
seq_len = x.size(1)  # 获取序列长度(句子长度)
x = x + Variable(self.pe[:, :seq_len], requires_grad=False).cuda()
  • seq_len = x.size(1):获取当前输入序列的长度。
  • self.pe[:, :seq_len]:根据当前序列长度,从 pe 中提取对应的位置信息(只取前 seq_len 个位置的编码)。
  • x + Variable(self.pe[:, :seq_len], requires_grad=False).cuda():将位置信息 pe 添加到输入词嵌入中。requires_grad=False 表示不对位置编码进行梯度更新。

3. 详细分析x + Variable(self.pe[:, :seq_len], requires_grad=False).cuda()

这行代码在位置编码器中的作用是将预计算好的位置编码矩阵 pe 加到输入的词嵌入矩阵 x 上。这是为了在词嵌入的基础上加入位置信息,使模型能够同时使用词汇语义和位置信息。我们分解这句话的各个部分:

x = x + Variable(self.pe[:, :seq_len], requires_grad=False).cuda()
1. self.pe[:, :seq_len]
  • self.pe 是我们在初始化时生成的位置编码矩阵,其形状为 [1, max_seq_len, d_model]

    • 这里的 1 是 batch 维度,用来保持与输入张量 x 形状的一致性。
    • max_seq_len 是句子可能的最大长度,表示可以编码的最大序列长度。
    • d_model 是词嵌入的维度。
  • self.pe[:, :seq_len] 表示从 pe 矩阵中取出前 seq_len 个位置的编码。这个操作的作用是根据输入句子的实际长度(seq_len)来选择对应长度的位置信息。例如,如果 seq_len 是 50,则取出 pe 中前 50 行的编码。

2. Variable(self.pe[:, :seq_len], requires_grad=False)
  • Variable 是用于包裹张量,使其在反向传播中能够区分哪些需要计算梯度,哪些不需要。
    • requires_grad=False 表示位置编码 pe 不参与梯度计算,位置编码是一个固定值,不会像模型权重那样进行训练或更新。

注意: 在较新的版本的 PyTorch 中,Variable 已经被整合到了 Tensor 中,不再需要显式使用 Variable。直接使用张量即可,它们本身已经具有 requires_grad 属性。

3. .cuda()
  • .cuda() 将张量移动到 GPU 上进行计算,确保模型的所有张量在同一个设备上。如果你使用的是 CPU,这一部分会报错或需要改成 .to(device),以便适应不同设备。
4. x + self.pe[:, :seq_len]
  • x 是输入的词嵌入矩阵,形状为 [batch_size, seq_len, d_model]
  • self.pe[:, :seq_len] 是位置编码矩阵,形状为 [1, seq_len, d_model],即与 x 的第二、第三维度一致。
  • 加法操作x + self.pe[:, :seq_len] 表示将对应位置的词嵌入和位置编码逐元素相加。这个加法是一个广播操作,即 self.pe 的第一个维度为 1,自动扩展到与 xbatch_size 相同大小,然后再进行相加操作。
5. self.pe[:, :seq_len]self.pe[:, :seq_len, :]相互替换

两者在功能上是等价的,但后者更明确地表达了正在获取 pe 矩阵的所有维度。这种做法在某些情况下可以提高代码的可读性,特别是当你的张量具有多个维度时。

这篇关于【大规模语言模型:从理论到实践】Transformer中PositionalEncoder详解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1141097

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题

题库来源:安全生产模拟考试一点通公众号小程序 2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题是由安全生产模拟考试一点通提供,流动式起重机司机证模拟考试题库是根据流动式起重机司机最新版教材,流动式起重机司机大纲整理而成(含2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题参考答案和部分工种参考解析),掌握本资料和学校方法,考试容易。流动式起重机司机考试技

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}