Self-Attention 使用变压器块 keras

Question

我试图了解新实现的keras变压器 class: https://keras.io/examples/nlp/text_classification_with_transformer/

我看到首先嵌入文本，然后使用自注意力。 但是，如果我想使用除TokenAndPositionEmbedding之外的其他嵌入——例如，在我的情况下，我有预嵌入的句子并且喜欢对它们使用自我注意。

我不明白的是self.pos_emb的作用。 class TokenAndPositionEmbedding正在返回x和positions ，其中x是token_embedding ，而positions是要考虑的字数？ 所以它基本上返回了两件事？ 我不明白。。

class TokenAndPositionEmbedding(layers.Layer):
    def __init__(self, maxlen, vocab_size, emded_dim):
        super(TokenAndPositionEmbedding, self).__init__()
        self.token_emb = layers.Embedding(input_dim=vocab_size, output_dim=emded_dim)
        self.pos_emb = layers.Embedding(input_dim=maxlen, output_dim=emded_dim)

    def call(self, x):
        maxlen = tf.shape(x)[-1]
        positions = tf.range(start=0, limit=maxlen, delta=1)
        positions = self.pos_emb(positions)
        x = self.token_emb(x)
        return x + positions

还是我只是将嵌入的句子提供给MultiHeadSelfAttention并在其后放置一个 Dense-Layer 用于分类目的？

Answer 1

如您所知，transformer 是基于大量具有残差概念的Dense层的结构； 然而，这使得时间序列数据失去了时间依赖性。 所以对于transformer，你需要找到 position ，你可以把它当作这个结构的附加信息，这样它就不会错过时间依赖性。 If you would like to understand it better by using keras, I will suggest the official tutorial written by Tensorflow: https://www.tensorflow.org/tutorials/text/transformer which details the things you would like to know.