エンコーダー・トランスフォーマー

PyTorchで学ぶTransformerモデル

James Chapman

Curriculum Manager, DataCamp

オリジナルのトランスフォーマー

学術論文「Attention Is All You Need」に示されたトランスフォーマーのアーキテクチャ

オリジナルのトランスフォーマー

オリジナルのトランスフォーマーアーキテクチャ

エンコーダー専用トランスフォーマー

エンコーダーのみのトランスフォーマーアーキテクチャ

トランスフォーマー本体: N個のエンコーダーレイヤーからなるエンコーダースタック

エンコーダーレイヤー

マルチヘッド自己注意

フィードフォワード（サブ）レイヤー

レイヤー正規化、ドロップアウト

トランスフォーマーヘッド

エンコーダー専用トランスフォーマー

エンコーダーのみのトランスフォーマーアーキテクチャ

トランスフォーマー本体: N個のエンコーダーレイヤーからなるエンコーダースタック

エンコーダーレイヤー

マルチヘッド自己注意

フィードフォワード（サブ）レイヤー

レイヤー正規化、ドロップアウト

トランスフォーマーヘッド: 符号化済み入力を処理して予測を出力

教師ありタスク: 分類、回帰

エンコーダーレイヤー内のフィードフォワード層

アテンション後のフィードフォワードサブレイヤー

class FeedForwardSubLayer(nn.Module):
    def __init__(self, d_model, d_ff):
        super().__init__()
        self.fc1 = nn.Linear(d_model, d_ff)
        self.fc2 = nn.Linear(d_ff, d_model)
        self.relu = nn.ReLU()


    def forward(self, x):
        return self.fc2(self.relu(self.fc1(x)))

全結合×2 + ReLU 活性化

d_ff: 線形層間の次元
forward(): アテンション出力を非線形に変換し複雑なパターンを捉える

エンコーダーレイヤー

class EncoderLayer(nn.Module):
    def __init__(self, d_model, num_heads, d_ff, dropout):
        super().__init__()
        self.self_attn = MultiHeadAttention(d_model, num_heads)
        self.ff_sublayer = FeedForwardSubLayer(d_model, d_ff)

        self.norm1 = nn.LayerNorm(d_model)
        self.norm2 = nn.LayerNorm(d_model)
        self.dropout = nn.Dropout(dropout)


    def forward(self, x, src_mask):
        attn_output = self.self_attn(x, x, x, src_mask)
        x = self.norm1(x + self.dropout(attn_output))
        ff_output = self.ff_sublayer(x)
        x = self.norm2(x + self.dropout(ff_output))
        return x

エンコーダーレイヤー

マルチヘッド自己注意
フィードフォワードサブレイヤー
レイヤー正規化とドロップアウト

forward():

mask はパディングトークンの処理を防ぐ

注意機構のマスキング

系列のパディング

自己注意でのパディングマスク

エンコーダートランスフォーマー本体

class TransformerEncoder(nn.Module):
    def __init__(self, vocab_size, d_model, num_layers, num_heads, d_ff, dropout, max_seq_length):
        super().__init__()

        self.embedding = InputEmbeddings(vocab_size, d_model)

        self.positional_encoding = PositionalEncoding(d_model, max_seq_length)

        self.layers = nn.ModuleList(
          [EncoderLayer(d_model, num_heads, d_ff, dropout) for _ in range(num_layers)]
        )


    def forward(self, x, src_mask):
        x = self.embedding(x)
        x = self.positional_encoding(x)
        for layer in self.layers:
            x = layer(x, src_mask)
        return x

エンコーダートランスフォーマーのヘッド

class ClassifierHead(nn.Module):
    def __init__(self, d_model, num_classes):
        super().__init__()
        self.fc = nn.Linear(d_model, num_classes)

    def forward(self, x):
        logits = self.fc(x)
        return F.log_softmax(logits, dim=-1)

class RegressionHead(nn.Module):
    def __init__(self, d_model, output_dim):
        super().__init__()
        self.fc = nn.Linear(d_model, output_dim)

    def forward(self, x):
        return self.fc(x)

分類ヘッド

タスク: テキスト分類、感情分析、NER、抽出型QA など
fc: 全結合線形層
- エンコーダーの隠れ状態を num_classes のクラス確率に変換

回帰ヘッド

タスク: 可読性推定、言語の複雑さなど
- 単一の数値を予測する場合、output_dim は 1

練習しましょう！

PyTorchで学ぶTransformerモデル