Co Attention注意力机制实现

2024-04-24 20:32

本文主要是介绍Co Attention注意力机制实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

“Hierarchical Question-Image Co-Attention for Visual Question Answering”中的图像和文本间的Co Attention协同注意力实现

参考:

https://github.com/SkyOL5/VQA-CoAttention/blob/master/coatt/coattention_net.py

https://github.com/Zhangtd/Models-reproducing/blob/master/NIPS2016/selfDef.py

Co Attention示意图如下:

有两种实现方式,分别为Parallel co-attention mechanism和Alternating co-attention mechanism

基于PyTorch实现Parallel co-attention mechanism,代码如下:

from typing import Dict, Optionalimport numpy as np
import torch.nn as nn
import torch
import torch.nn.functional as F
from torch import Tensordef create_src_lengths_mask(batch_size: int, src_lengths: Tensor, max_src_len: Optional[int] = None
):"""Generate boolean mask to prevent attention beyond the end of sourceInputs:batch_size : intsrc_lengths : [batch_size] of sentence lengthsmax_src_len: Optionally override max_src_len for the maskOutputs:[batch_size, max_src_len]"""if max_src_len is None:max_src_len = int(src_lengths.max())src_indices = torch.arange(0, max_src_len).unsqueeze(0).type_as(src_lengths)src_indices = src_indices.expand(batch_size, max_src_len)src_lengths = src_lengths.unsqueeze(dim=1).expand(batch_size, max_src_len)# returns [batch_size, max_seq_len]return (src_indices < src_lengths).int().detach()def masked_softmax(scores, src_lengths, src_length_masking=True):"""Apply source length masking then softmax.Input and output have shape bsz x src_len"""if src_length_masking:bsz, max_src_len = scores.size()# print('bsz:', bsz)# compute maskssrc_mask = create_src_lengths_mask(bsz, src_lengths)# Fill pad positions with -infscores = scores.masked_fill(src_mask == 0, -np.inf)# Cast to float and then back again to prevent loss explosion under fp16.return F.softmax(scores.float(), dim=-1).type_as(scores)class ParallelCoAttentionNetwork(nn.Module):def __init__(self, hidden_dim, co_attention_dim, src_length_masking=True):super(ParallelCoAttentionNetwork, self).__init__()self.hidden_dim = hidden_dimself.co_attention_dim = co_attention_dimself.src_length_masking = src_length_maskingself.W_b = nn.Parameter(torch.randn(self.hidden_dim, self.hidden_dim))self.W_v = nn.Parameter(torch.randn(self.co_attention_dim, self.hidden_dim))self.W_q = nn.Parameter(torch.randn(self.co_attention_dim, self.hidden_dim))self.w_hv = nn.Parameter(torch.randn(self.co_attention_dim, 1))self.w_hq = nn.Parameter(torch.randn(self.co_attention_dim, 1))def forward(self, V, Q, Q_lengths):""":param V: batch_size * hidden_dim * region_num, eg B x 512 x 196:param Q: batch_size * seq_len * hidden_dim, eg B x L x 512:param Q_lengths: batch_size:return:batch_size * 1 * region_num, batch_size * 1 * seq_len,batch_size * hidden_dim, batch_size * hidden_dim"""# (batch_size, seq_len, region_num)C = torch.matmul(Q, torch.matmul(self.W_b, V))# (batch_size, co_attention_dim, region_num)H_v = nn.Tanh()(torch.matmul(self.W_v, V) + torch.matmul(torch.matmul(self.W_q, Q.permute(0, 2, 1)), C))# (batch_size, co_attention_dim, seq_len)H_q = nn.Tanh()(torch.matmul(self.W_q, Q.permute(0, 2, 1)) + torch.matmul(torch.matmul(self.W_v, V), C.permute(0, 2, 1)))# (batch_size, 1, region_num)a_v = F.softmax(torch.matmul(torch.t(self.w_hv), H_v), dim=2)# (batch_size, 1, seq_len)a_q = F.softmax(torch.matmul(torch.t(self.w_hq), H_q), dim=2)# # (batch_size, 1, seq_len)masked_a_q = masked_softmax(a_q.squeeze(1), Q_lengths, self.src_length_masking).unsqueeze(1)# (batch_size, hidden_dim)v = torch.squeeze(torch.matmul(a_v, V.permute(0, 2, 1)))# (batch_size, hidden_dim)q = torch.squeeze(torch.matmul(masked_a_q, Q))return a_v, masked_a_q, v, q

测试代码如下:

pcan = ParallelCoAttentionNetwork(6, 5)
v = torch.randn((5, 6, 10))
q = torch.randn(5, 8, 6)
q_lens = torch.LongTensor([3, 4, 5, 8, 2])
a_v, a_q, v, q = pcan(v, q, q_lens)
print(a_v)
print(a_v.shape)
print(a_q)
print(a_q.shape)
print(v)
print(v.shape)
print(q)
print(q.shape)

效果如下:

tensor([[[9.2527e-04, 1.1542e-03, 1.1542e-03, 1.1542e-03, 2.0009e-02,9.2527e-04, 4.0845e-02, 8.8328e-01, 1.1958e-03, 4.9358e-02]],[[4.5501e-01, 8.6522e-02, 8.6522e-02, 1.7235e-05, 3.8831e-03,2.5070e-04, 9.0637e-05, 4.0010e-03, 2.0196e-03, 3.6169e-01]],[[8.8455e-03, 7.2149e-04, 1.7595e-04, 2.1307e-04, 7.0610e-01,1.3427e-01, 4.3360e-04, 4.0731e-02, 4.0731e-02, 6.7774e-02]],[[4.0013e-01, 2.3081e-02, 3.8406e-02, 4.3583e-03, 9.9425e-05,3.8398e-02, 9.9425e-05, 9.4912e-02, 4.0013e-01, 3.9162e-04]],[[3.1121e-02, 8.0567e-05, 4.0445e-01, 1.4391e-03, 8.0567e-05,4.0445e-01, 7.6909e-02, 2.4837e-04, 4.3044e-03, 7.6909e-02]]],grad_fn=<SoftmaxBackward>)
torch.Size([5, 1, 10])
tensor([[[0.3466, 0.3267, 0.3267, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000]],[[0.2256, 0.3276, 0.2237, 0.2232, 0.0000, 0.0000, 0.0000, 0.0000]],[[0.1761, 0.2254, 0.2254, 0.1823, 0.1908, 0.0000, 0.0000, 0.0000]],[[0.1292, 0.1411, 0.1411, 0.1100, 0.1292, 0.1100, 0.1101, 0.1292]],[[0.5284, 0.4716, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000]]],grad_fn=<UnsqueezeBackward0>)
torch.Size([5, 1, 8])
tensor([[-0.7862,  1.0180,  0.1585,  0.4961, -1.5916, -0.3553],[ 0.3624, -0.2036,  0.2993, -0.4440,  0.2494,  1.4896],[ 0.1695, -0.2286,  0.4431,  0.6027, -1.6116,  0.0566],[ 0.2004,  0.8219, -0.2115, -0.6428,  0.3486,  1.3802],[ 1.4024, -0.1860,  0.1685,  0.2352, -0.4956,  1.0010]],grad_fn=<SqueezeBackward0>)
torch.Size([5, 6])
tensor([[ 0.3757,  0.1662,  0.2181,  0.0787,  0.0110, -0.5938],[-0.6106,  0.4000,  0.6068, -0.4054,  0.0193, -0.1147],[ 0.3877, -0.1800,  1.2430, -0.4881, -0.3598, -0.3592],[-0.3799, -0.3262,  0.0745, -0.2856,  0.0221, -0.1749],[ 0.1159, -0.4949, -0.5576, -0.6870, -1.2895,  0.0421]],grad_fn=<SqueezeBackward0>)
torch.Size([5, 6])

这篇关于Co Attention注意力机制实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/932765

相关文章

IDEA如何实现远程断点调试jar包

《IDEA如何实现远程断点调试jar包》:本文主要介绍IDEA如何实现远程断点调试jar包的问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录问题步骤总结问题以jar包的形式运行Spring Boot项目时报错,但是在IDEA开发环境javascript下编译

Python实现自动化Word文档样式复制与内容生成

《Python实现自动化Word文档样式复制与内容生成》在办公自动化领域,高效处理Word文档的样式和内容复制是一个常见需求,本文将展示如何利用Python的python-docx库实现... 目录一、为什么需要自动化 Word 文档处理二、核心功能实现:样式与表格的深度复制1. 表格复制(含样式与内容)2

python获取cmd环境变量值的实现代码

《python获取cmd环境变量值的实现代码》:本文主要介绍在Python中获取命令行(cmd)环境变量的值,可以使用标准库中的os模块,需要的朋友可以参考下... 前言全局说明在执行py过程中,总要使用到系统环境变量一、说明1.1 环境:Windows 11 家庭版 24H2 26100.4061

Python中bisect_left 函数实现高效插入与有序列表管理

《Python中bisect_left函数实现高效插入与有序列表管理》Python的bisect_left函数通过二分查找高效定位有序列表插入位置,与bisect_right的区别在于处理重复元素时... 目录一、bisect_left 基本介绍1.1 函数定义1.2 核心功能二、bisect_left 与

VSCode设置python SDK路径的实现步骤

《VSCode设置pythonSDK路径的实现步骤》本文主要介绍了VSCode设置pythonSDK路径的实现步骤,包括命令面板切换、settings.json配置、环境变量及虚拟环境处理,具有一定... 目录一、通过命令面板快速切换(推荐方法)二、通过 settings.json 配置(项目级/全局)三、

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=

java中BigDecimal里面的subtract函数介绍及实现方法

《java中BigDecimal里面的subtract函数介绍及实现方法》在Java中实现减法操作需要根据数据类型选择不同方法,主要分为数值型减法和字符串减法两种场景,本文给大家介绍java中BigD... 目录Java中BigDecimal里面的subtract函数的意思?一、数值型减法(高精度计算)1.

C#代码实现解析WTGPS和BD数据

《C#代码实现解析WTGPS和BD数据》在现代的导航与定位应用中,准确解析GPS和北斗(BD)等卫星定位数据至关重要,本文将使用C#语言实现解析WTGPS和BD数据,需要的可以了解下... 目录一、代码结构概览1. 核心解析方法2. 位置信息解析3. 经纬度转换方法4. 日期和时间戳解析5. 辅助方法二、L

使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)

《使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)》字体设计和矢量图形处理是编程中一个有趣且实用的领域,通过Python的matplotlib库,我们可以轻松将字体轮廓... 目录背景知识字体轮廓的表示实现步骤1. 安装依赖库2. 准备数据3. 解析路径指令4. 绘制图形关键

C/C++中OpenCV 矩阵运算的实现

《C/C++中OpenCV矩阵运算的实现》本文主要介绍了C/C++中OpenCV矩阵运算的实现,包括基本算术运算(标量与矩阵)、矩阵乘法、转置、逆矩阵、行列式、迹、范数等操作,感兴趣的可以了解一下... 目录矩阵的创建与初始化创建矩阵访问矩阵元素基本的算术运算 ➕➖✖️➗矩阵与标量运算矩阵与矩阵运算 (逐元