fused_multi_head_attention¶

paddle.incubate.nn.functional. fused_multi_head_attention ( x, qkv_weight, linear_weight, pre_layer_norm=False, pre_ln_scale=None, pre_ln_bias=None, ln_scale=None, ln_bias=None, pre_ln_epsilon=1e-05, qkv_bias=None, linear_bias=None, cache_kv=None, attn_mask=None, dropout_rate=0.5, attn_dropout_rate=0.5, ln_epsilon=1e-05, training=True, mode='upscale_in_train', ring_id=- 1, add_residual=True, num_heads=- 1, transpose_qkv_wb=False, name=None ) ¶

多头注意力机制

注意力机制可以将查询（Query）与一组键值对（Key-Value）映射到输出。而多头注意力机制是将注意力机制的计算过程计算多次，以便模型提取不同子空间的信息。

fused_multi_head_attention 算子目前只支持在 GPU 下运行，其包含的计算功能如下：

         # pseudocode
if pre_layer_norm:
  out = layer_norm(x)
  out = linear(out) + qkv) + bias
else:
  out = linear(x) + bias
out = transpose(out, perm=[2, 0, 3, 1, 4])
# extract q, k and v from out.
q = out[0:1,::]
k = out[1:2,::]
v = out[2:3,::]
out = q * k^t
out = attn_mask + out
out = softmax(out)
out = dropout(out)
out = out * v
out = transpose(out, perm=[0, 2, 1, 3])
out = out_linear(out)
if pre_layer_norm:
    out = x + dropout(linear_bias + out)
else:
    out = layer_norm(x + dropout(linear_bias + out))

        

值得注意的是，该 API 中，q, k, v 的 weight 被统一存储在一个权重 Tensor 中，形状为 [3, num_heads, head_dim, embed_dim] , 如果想得到单独的 q, k 或 v 的 weight，可以通过转置和切分得到。

参数¶

linear_weight (Tensor) - 代表 linear 的权重，二维 tensor，形状为 [embed_dim, embed_dim] 。

pre_layer_norm (bool，可选) - 代表是采用 pre_layer_norm 的结构（True）还是 post_layer_norm 的结构（False）。若为 True，则为 pre_layer_norm 结构，代表在 multi-head attention 和 ffn 之前各执行一次 layer_norm。若为 False，则为 post_layer_norm 结构，代表在 multi-head attention 和 ffn 之后各执行一次 layer_norm。默认值：False 。

pre_ln_scale (Tensor，可选) - 代表 normalize_before 为 True 时，multi-head attention 中第一个 layer_norm 的权重，一维 tensor，形状为 [embed_dim] 。

pre_ln_bias (Tensor，可选) - 代表 normalize_before 为 True 时，multi_head attention 中第一个 layer_norm 的偏置，一维 tensor，形状为 [embed_dim] 。

ln_scale (Tensor，可选) - 代表 normalize_before 为 True 时，multi-head attention 中第二个（False 时的第一个） layer_norm 的权重，一维 tensor，形状为 [embed_dim] 。

ln_bias (Tensor，可选) - 代表 normalize_before 为 True 时，multi-head attention 中第二个（False 时的第一个） layer_norm 的偏置，一维 tensor，形状为 [embed_dim] 。

pre_ln_epsilon (float，可选) - 代表 normalize_before 为 True 时，multi-head attention 中第一个 layer_norm 为了数值稳定加在分母上的值。默认值为 1e-05 。

qkv_bias (Tensor，可选) - 代表 Attention 中计算 q, k, v 时的偏置，是一个三维 tensor，当 transpose_qkv_wb 为 False 时形状为 [3, num_heads, head_dim] 。当 transpose_qkv_wb 为 True 时形状为 [3 * embed_dim] 。

linear_bias (Tensor，可选) - 代表 linear 的偏置，一维 tensor，形状为 [embed_dim] 。

cache_kv (Tensor，可选) - 代表自回归生成模型中 cache 结构的部分，五维 tensor，形状为 [2, bsz, num_head, seq_len, head_dim]。默认值为 None。

attn_mask （Tensor，可选）- 用于限制 multi-head attention 中对当前词产生影响的其他词的范围。形状会被广播为 [batch_size, num_heads, sequence_length, sequence_length ] 。

dropout_rate (float，可选) - 代表 multi-head attention 之后的 dropout 算子的 dropout 比例，默认为 0.5。

attn_dropout_rate (float，可选) - 代表 multi-head attention 中的 dropout 算子的 dropout 比例，默认为 0.5。

ln_epsilon (float，可选) - 代表 normalize_before 为 True 时，multi-head attention 中第二个（False 时的第一个） layer_norm 为了数值稳定加在分母上的值。默认值为 1e-05 。

training (bool)：标记是否为训练阶段。默认：True。

mode (str)：丢弃单元的方式，有两种'upscale_in_train'和'downscale_in_infer'，默认：'upscale_in_train'。计算方法如下：

upscale_in_train，在训练时增大输出结果。

train: out = input * mask / ( 1.0 - p )

inference: out = input

downscale_in_infer，在预测时减小输出结果

train: out = input * mask

inference: out = input * (1.0 - p)

ring_id (int，可选) - 分布式 tensor parallel 运行下通讯所使用的 NCCL id。默认值为 -1 。

add_residual (bool，可选) - 是否在计算最后对结果进行残差计算。默认值为 True。

num_heads (int，可选) - 在 transpose_qkv_wb 设置为 True 的时候，必须提供该值，表示 Multi-Head Attention 的 head 的维度。默认值为 -1。

transpose_qkv_wb (bool，可选) - 是否在底层算子中对 Attention 中计算 q, k, v 时的权重与偏置进行 transpose 操作。默认值为 False。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

Tensor，数据类型和形状同 x 一致。

代码示例¶

COPY-FROM: paddle.incubate.nn.functional.fused_multi_head_attention