Couches d’attention (MultiHeadAttention)

Fonctions :

• MultiHeadAttention()

  La couche MultiHeadAttention implémente le mécanisme d’attention multi-têtes, qui permet au modèle de se concentrer simultanément sur différentes parties de la séquence d’entrée. Elle calcule plusieurs « têtes » d’attention parallèles, puis concatène et projette leurs résultats pour capturer des relations complexes dans les données séquentielles.

  Importation :

  from tensorflow.keras.layers import MultiHeadAttention
  import numpy as np

  Attributs :

  Paramètre	Type	Description	Valeur par défaut
  num_heads	int	Nombre de têtes d’attention parallèles.	—
  key_dim	int	Dimension de la clé dans chaque tête d’attention.	—
  value_dim	int ou None	Dimension de la valeur dans chaque tête (par défaut égale à key_dim).	None
  dropout	float	Taux de dropout appliqué sur les poids d’attention.	0.0
  use_bias	bool	Indique si les projections linéaires utilisent un biais.	True

  Exemple de code :

  📋 Copy

  from tensorflow.keras.layers import MultiHeadAttention
  import numpy as np
  
  # Données simulées : batch de 1 séquence de 4 vecteurs de dimension 8
  query = np.random.rand(1, 4, 8).astype(np.float32)
  value = np.random.rand(1, 4, 8).astype(np.float32)
  key = np.random.rand(1, 4, 8).astype(np.float32)
  
  # Couche MultiHeadAttention avec 2 têtes, dimension clé 4
  mha = MultiHeadAttention(num_heads=2, key_dim=4)
  
  # Calcul de l'attention
  output = mha(query=query, value=value, key=key)
  
  print("Shape sortie :", output.shape)  # (1, 4, 8)
  

  Explication du code :

  Importation de la couche
  La couche `MultiHeadAttention` est importée depuis Keras.
  Préparation des données
  Les tenseurs `query`, `key` et `value` sont des séquences simulées, chacun contenant 4 vecteurs de dimension 8 dans un batch de taille 1.
  Définition de la couche
  On crée une instance de `MultiHeadAttention` avec 2 têtes et une dimension de clé de 4.
  Calcul de l’attention
  La couche calcule les scores d’attention entre `query`, `key` et `value` en parallèle sur les têtes, puis concatène les résultats.
  Sortie
  Le tenseur de sortie garde la même forme que la séquence d’entrée, ici (1, 4, 8).