解码器层（TransformerDecoderLayer）

类torch.nn.TransformerDecoderLayer(d_model, nhead, dim_feedforward=2048, dropout=0.1, activation=<function relu>, layer_norm_eps=1e-05, batch_first=False, norm_first=False, bias=True, device=None, dtype=None)[源代码]

TransformerDecoderLayer 包含自注意力（self-attn）、多头注意力（multi-head-attn）和前向网络。

此标准解码器层基于论文“Attention Is All You Need”，作者是 Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N Gomez, Lukasz Kaiser 和 Illia Polosukhin。该论文发表于 2017 年的 Advances in Neural Information Processing Systems，页码为 6000-6010。用户在应用过程中可能会对此进行修改或以不同方式实现。

参数

d_model (int) – 输入数据中预期的特征数目（必填）。
nhead (int) – 多头注意力模型中头部的数量（必填）。
dim_feedforward (int) – 前向网络模型的维度，默认值为2048。
dropout (浮点数) - Dropout值，默认为0.1。
activation (Union[str, Callable[[Tensor], Tensor]]) – 中间层的激活函数，可以是字符串（如“relu”或“gelu”），也可以是一元可调用函数。默认值：relu
layer_norm_eps (float) – 层归一化组件中的 eps 值，默认为 1e-5。
batch_first (bool) – 如果为 True，则输入和输出张量的形状为 (批次, 序列, 特征)。默认值：False（序列, 批次, 特征）。
norm_first (bool) – 如果为 True，则在自注意力、多头注意力和前向操作之前进行层归一化。否则在之后进行。默认值：False（即在之后）。
bias (bool) – 如果设置为False，则Linear 和 LayerNorm 层不会学习加性偏置。默认值：True。

示例:

>>> decoder_layer = nn.TransformerDecoderLayer(d_model=512, nhead=8)
>>> memory = torch.rand(10, 32, 512)
>>> tgt = torch.rand(20, 32, 512)
>>> out = decoder_layer(tgt, memory)

或者，当 batch_first 为 True 时：

>>> decoder_layer = nn.TransformerDecoderLayer(d_model=512, nhead=8, batch_first=True)
>>> memory = torch.rand(32, 10, 512)
>>> tgt = torch.rand(32, 20, 512)
>>> out = decoder_layer(tgt, memory)

forward(tgt, memory, tgt_mask=None, memory_mask=None, tgt_key_padding_mask=None, memory_key_padding_mask=None, tgt_is_causal=False, memory_is_causal=False)[源代码]

将输入（和掩码）传递给解码器层。

参数

tgt (Tensor) – 输入解码层的序列（必填）。
memory (Tensor) – 编码器最后一层产生的序列（必需）。
tgt_mask (Optional[Tensor]) – 目标序列的可选掩码。
memory_mask (Optional[Tensor]) – 记忆序列的可选掩码。
tgt_key_padding_mask (Optional[Tensor]) – 每批tgt键的掩码（可选）。
memory_key_padding_mask (Optional[Tensor]) – 每批的键掩码（可选）。
tgt_is_causal (bool) – 如果指定，将应用因果掩码作为 tgt mask。默认值为False。警告：如果 tgt_is_causal 设置不正确，可能会导致执行错误，并影响前向和后向兼容性。
memory_is_causal (bool) – 如果指定，则将因果掩码应用于 memory mask。默认值为False。警告：如果 memory_is_causal 设置不正确，可能会导致执行错误，并影响前向和后向兼容性。

返回类型

Tensor

形状：: 参阅Transformer的文档。