nn.MultiheadAttention详解 -- forward()中维度、计算方式_multi_head_attention_forward

nn.MultiheadAttention

        该模块兼顾了 self-attention 和 cross-attention;

        是构成  nn.transformer 的核心算子；

        首先看其接口文档：

CLASStorch.nn.MultiheadAttention(embed_dim, num_heads, dropout=0.0, bias=True, 
add_bias_kv=False, add_zero_attn=False, kdim=None, vdim=None, batch_first=False, 
device=None, dtype=None)

        参数解释：

        embed_dim： 样本序列token的嵌入维度；

        num_heads: 并行注意力头的数量；

        kdim: 注意力中key的维度；

        vdim: 注意力中value的维度；

        forward() 参数：

forward(query, key, value, key_padding_mask=None, need_weights=True, 
attn_mask=None, average_attn_weights=True)

        参数解释：

        query: 含有batch时，其shape为(L,N,Eq)， 这里的L表示target embedding_dim, N 表示 batch size， Eq = embed_dim；

        key： 含有batch时，其shape为(S,N,Ek), 这里的S表示source embedding_dim, N 表示 batch size， Ek = kdim；

        value: 含有batch时，其shape为(S,N,Ev), 这里的S表示source embedding_dim, N 表示 batch size， Ev = vdim；

        average_attn_weights ： 返回的attention weights,默认返回各头的平均值；

        通过上述参数的解释，可以看到K, V是来自同一个来源，对应于transformer中的encoder -- shape对应于 source embedding_dim;

                                                Q 是另外一个来源，对应于transformer中的decoder -- shape对应于 target embedding_dim；

        也是cross-attention使用的；

        self-attention使用：

        在forward()中的， query、key 和 value 是相同维度的张量，即： embed_dim = kdim = vdim；

        forward()中的计算流程：

        首先初始化,

                

                  

                 

        之后使用

                 

                

                

        最后得到返回值，也就是average_attn_weights:

                

         对应的维度解释：

                N 即 batch size提到最前面，然后做后两维的转置；

                

                 

                对于V，N提前：

                 

                 则最后的维度为：

                

        通过上述计算就可以得到最终的attention weights output

 参考视频：[pytorch模型拓扑结构] nn.MultiheadAttention, init/forward, 及 query，key，value 的计算细节_哔哩哔哩_bilibili