比较与torch.nn.TransformerDecoder的功能差异

torch.nn.TransformerDecoder

torch.nn.TransformerDecoder(decoder_layer, num_layers, norm=None)

更多内容详见torch.nn.TransformerDecoder。

mindspore.nn.transformer.TransformerDecoder

class mindspore.nn.transformer.TransformerDecoder(num_layers, batch_size, hidden_size, ffn_hidden_size, src_seq_length, tgt_seq_length, num_heads, attention_dropout_rate=0.1, hidden_dropout_rate=0.1, post_layernorm_residual=False, layernorm_compute_type=mstype.float32, softmax_compute_type=mstype.float32, param_init_type=mstype.float32, hidden_act="gelu", lambda_func=None, use_past=False, offset=0, moe_config=default_moe_config, parallel_config=default_transformer_config)(
    hidden_stats, decoder_mask, encoder_output=None,
    memory_mask=None, init_reset=True, batch_valid_length=None
)

更多内容详见mindspore.nn.transformer.TransformerDecoder。

使用方式

mindspore.nn.transformer.TransformerDecoder在初始化参数和torch.nn.TransformerDecoder并不完全相同，但是基本功能保持一致。torch.nn.TransformerDecoder采用了组合的方式，即将实例化的TransformerDecoderLayer作为torch.nn.TransformerDecoder的入参。而mindspore.nn.parallel.TransformerDecoder通过传入层的相关参数即可，跟TransformerDecoderLayer保持独立。具体的区别如下说明：

mindspore.nn.transformer.TransformerDecoder	torch.nn.TransformerDecoder	说明
num_layers	num_layers	含义相同。
batch_size		MindSpore需要传入额外的batch size以作校验和增量推理使用。
hidden_size		参数名称不一致，含义相同。
ffn_hidden_size
src_seq_length		encoder输入序列长度。
tgt_seq_length		decoder输入序列长度。
num_heads
attention_dropout_rate		attention_dropout_rate表示在softmax处的dropout。
hidden_dropout_rate		hidden_dropout_rate表示在隐藏层处的dropout。
post_layernorm_residual		MindSpore的该参数表示残差相加时对输入是否应用layernorm。
layernorm_compute_type		控制layernorm的计算类型。
softmax_compute_type		控制attention中softmax的计算类型。
param_init_type		控制参数初始化的类型。
hidden_act		激活层的类型，含义相同。MindSpore仅支持字符串。
lambda_func		控制并行的相关配置，详见API文档。
use_past		是否使用增量推理。
offset		encoder用来计算fusion标记的初始值。
moe_config		MoE并行的配置参数。
parallel_config		并行设置的配置参数。
	decoder_layer	decoder的实例化参数
	norm	在decoder的输出是否应用传入的norm cell。

mindspore.nn.transformer.TransformerDecoder缺少tgt_key_padding_mask和emory_key_padding_mask的输入。
mindspore.nn.transformer.TransformerDecoder提供了静态图的增量推理功能。
mindspore.nn.transformer.TransformerDecoder默认采用fp16进行矩阵运算。
mindspore.nn.transformer.TransformerDecoder的输入中attention_mask是必须输入的。
mindspore.nn.transformer.TransformerDecoder会返回以及encoder、decoder中每层attention的key,value的历史值。
mindspore.nn.transformer.TransformerDecoder的初始化参数中缺少torch.nn.Transformer中的norm入参。
mindspore.nn.transformer.TransformerDecoder提供了并行配置parallel_config入参，可以实现混合并行和流水线并行。

PyTorch：实例化Transformer时需要提供的参数较少。

MindSpore：在类初始化的时候，需要提供batch_size、源序列和目标序列长度等额外信息，并且在计算时需要输入decoder_mask。

代码示例

import numpy as np
import mindspore as ms
from mindspore.nn.transformer import TransformerDecoderLayer
model = TransformerDecoderLayer(batch_size=32, hidden_size=512, ffn_hidden_size=2048,
                                num_heads=8, src_seq_length=10, tgt_seq_length=20)
encoder_input_value = ms.Tensor(np.ones((32, 10, 512)), ms.float32)
decoder_input_value = ms.Tensor(np.ones((32, 20, 512)), ms.float32)
decoder_input_mask = ms.Tensor(np.ones((32, 20, 20)), ms.float16)
memory_mask = ms.Tensor(np.ones((32, 20, 10)), ms.float16)
output, past = model(decoder_input_value, decoder_input_mask, encoder_input_value, memory_mask)
print(output.shape)
# output:
# (32, 10, 512)

import torch
decoder_layer = torch.nn.TransformerDecoderLayer(d_model=512, nhead=8)
transformer_decoder = torch.nn.TransformerDecoder(decoder_layer, num_layers=2)
memory = torch.rand(10, 32, 512)
tgt = torch.rand(20, 32, 512)
output = transformer_decoder(tgt, memory)
print(output.shape)
# output
# torch.Size([10, 32, 512])